对每个类的不同数据量的图像进行分类。
对每个类的不同数据量的图像进行分类。
提问于 2017-02-15 15:34:19
我有7类图像，我需要分类。每个类都有不同数量的样本。
- 75张图片
- 70幅图像
- 98幅图像
- 182幅图像
- 146幅图像
- 197幅图像
- 150幅图像
最后，我删除了所有类中的所有图像，直到70幅图像(50次培训和20次验证)。使用Keras、生成器和flow_from_directory方法，我能够对它们进行分类，但很明显，我不会获得很好的精度。我有个计划以后再增加数据。
我的问题是，我是否可以使用flow_from_directory方法为每个类使用不同数量的培训数据？这种方法有什么潜在的缺点吗？
例如：
- 55次培训- 20次验证
- 50次培训- 20次验证
- 78次培训- 20次验证
- .
谢谢
回答 1
Stack Overflow用户
发布于 2017-02-15 15:53:55
你可以，但是最好是平衡每个类中训练样本的数量，或者分类器可能倾向于将图像分类到训练样本最多的类中。
比如说，也许你可以把第二班的训练样本翻一番(通过复制和粘贴)？
对于数据增强，您可以添加噪声到您的训练样本，例如添加高斯噪声，裁剪和调整图像大小，等等。通过这样做，该模型将更加健壮。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42253627
复制相关文章
相似问题
腾讯云开发者
