如何提高CNN的准确性？

文章/答案/技术大牛

发布

3回答

集合能提高卷积神经网络的准确性吗？

cnn、convolutional-neural-network

在ConvNets中，池用于缩小输入量，减少参数，提高计算效率，并可能有助于过度拟合。但是，汇集能增加CNN模型的准确性吗？我想这可能会发生，如果你的CNN是过度的，而池是不使用的，而引入池防止过度，这可能导致更好的准确性性能测试。但是，如果过度拟合并不是一个问题，首先，你应用了池，它是否有可能提高准确性的结果池？我看不出这种情况是如何发生<e

浏览 0提问于2019-01-24得票数 3

1回答

基于CNN的二值分类精度图

cnn、image-classification、accuracy、loss

为什么在CNN图像的二值化分类中，损失和精度图是如此的不稳定？我的意思是，验证测试的准确性没有平稳地提高，达到80%，然后达到60%，然后又上升到84%等等。火车的准确性也是如此。现在，我如何知道多少个时期是最优的数目？

浏览 0提问于2020-11-03得票数 1

1回答

我们可以使用CNN/LSTM在图像中找到所需的字符串吗？或者，我们是否需要在使用CNN/LSTM提取文本后应用NLP。有人能澄清一下吗？

deep-learning、lstm、python-tesseract

我正在构建一个基于图像的解析器算法。tesseract没有给出准确性。因此，我正在考虑建立一个基于CNN+LSTM的图像到文本转换模型。我的方法是正确的吗？我们可以直接从CNN_LSTM模型中提取所需的字符串而不是NLP吗？或者您认为有其他方法可以提高tesseract的准确性吗？

浏览 17提问于2019-03-22得票数 0

1回答

图像分类Pytorch

deep-learning、computer-vision、conv-neural-network、pytorch

如何确定CNN的层数和最终模型，以提高预测的准确性。我正在对图像进行分类，目前用简单的模型获得了65%的准确率，我应该如何增强它才能达到最大的准确率。(Pytorch)

浏览 3提问于2018-12-02得票数 0

1回答

改进FCN和R-CNN深度学习模型的改进思路

deep-learning

我是标准深度学习卷积模型R-CNN和FCN的新开发者。我想修改这个内置的架构，提高它的性能。有没有办法改变架构，以提高分割的准确性？

浏览 6提问于2018-08-22得票数 0

1回答

python-3.x、tensorflow、keras、deep-learning、conv-neural-network

我是CNNs的新手，但对ML和神经网络有基本的了解。我想创建我自己的CNN来处理猫和狗的数据集。我对数据进行了预处理并建立了网络，但当我将模型与数据拟合时，我无法获得超过55%的准确率，这意味着模型没有学习任何东西。有人能解释一下我在这里做错了什么吗？已经尝试了不同的学习率，甚至辍学，但都是徒劳的数据处理部分： train_directory = r'C:\Users\atjayade\Downloads\P14-Convolution

浏览 32提问于2019-06-26得票数 0

1回答

在tensorflow的下一个时期使用最佳节省的权重

tensorflow、keras、deep-learning、checkpoint

我在训练CNN的图像分类模型。训练精度不断提高，但验证精度波动较大。我想节省最好的重量，并使用它，如果一个坏的准确性是遇到。我可以节省最好的重量，但不知道如何使用它下一个时代，如果遇到坏的准确性。

浏览 8提问于2022-01-15得票数 0

2回答

水果图像分类器(Python)

python、conv-neural-network

我为10个时代编写了代码，我得到的结果如下：对15077个样本进行训练，在4204个样本上验证: 1/10 15077/15077 ============================== -264val_accuracy: 0.8428 Epoch 2/10 15077/15077 ============================== -256 s 17 10/步进损失: 0.4236 -准确性16 is /阶跃损失: 0.0765 -精度: 0.9784 - val_loss: 0

浏览 7提问于2020-05-04得票数 0

回答已采纳

1回答

如何提高CNN模型的准确性

python、tensorflow、keras、conv-neural-network、vgg-net

我建立了一个cnn模型，将面部情绪划分为快乐、悲伤、精力充沛和中立的面孔。我使用了Vgg16预先训练的模型，冻结了所有的层。经过50次训练，模型的测试精度为0.65，验证损失约为0.8。我的列车数据文件夹有16000(4x4000)，验证数据文件夹有2000(4x500)，测试数据文件夹有4000(4x1000) rgb图像。 1)你有什么建议来提高模型的准确性？2)我试着用我的模型做了一些预测，预测的类总是一样<e

浏览 3提问于2022-02-11得票数 3

回答已采纳

1回答

在训练CNN的同时不断地训练和验证准确性

python、tensorflow、keras

我在一个软件缺陷数据集上运行CNN，我已经使用Deep Insight Library将其转换为图像。在CNN上训练图像，在每一个时代之后，我都在见证不断的训练和验证准确性。除了恒定的训练和测试精度外，你们都可以看到与模型相关的高偏差和高方差。如果你能建议一些步骤，帮助我避免获得这些常量值，并提高模型的准确性，我会很高兴的。

浏览 0提问于2021-11-25得票数 1

1回答

Torch7中的支持向量机

neural-network、svm、torch

我的模型基于以下教程：请帮帮忙

浏览 7提问于2015-06-22得票数 1

回答已采纳

1回答

CNN多次训练与未见数据测试

matlab、neural-network、conv-neural-network

一个人能训练多少次CNN模型有限制吗？从这个意义上说，我有我的CNN模型和一套培训集，我训练我的模型，并使用一个看不见的数据测试它。如果我对测试的准确性不满意，我是否可以尽可能多地(假设地)重新训练我的CNN，并再次测试它，直到性能更好？我知道其他提高性能的方法，比如，改变网络的结构，过滤器的大小和数目，但我说我想要有结构和超参数固定。另外，当我第五次或第六次训练

浏览 0提问于2018-03-18得票数 0

回答已采纳

1回答

多类分类:在验证集上具有良好的准确性，但在测试集上具有预测能力

keras、deep-learning、classification、conv-neural-network、multiclass-classification

这些图像具有不同的几何形状(<code>C0</code>)。训练集由16 x 320 = 5120个图像组成，验证集有16 x 160 = 2560个图像，测试集有16个x 2= 32个图像。我使用下面的代码来构建CNN并进行预测。对于训练和验证的准确性和损失，我得到了以下结果。<code>A2</code> 当尝试在测试集的32个图像上测试该模型时，我只得到了3个正确

浏览 8提问于2019-03-29得票数 0

1回答

情感分析的深度学习模式需要帮助

deep-learning

目标:建立一个LSTM/CNN模型，对tensorflow数据集中可用的IMDB评论进行分类方法1: 1)基于LSTM的训练数据- 45000 (10%验证分离)，测试数据- 5000，精度> 95%，validation_accuracy > 85%，使用尺寸为100的手套嵌入方式2: 1) CNN模型- a)列车数据- 45000，test_data - 5000 b)列车数据- 50%，test_datagithub.com/shankartmv/Deep

浏览 0提问于2021-01-21得票数 0

回答已采纳

1回答

为什么扭曲的图像可以改善神经网络上的训练？

neural-network、computer-vision、distortion

我不明白为什么扭曲图像，例如翻转它，增加伽马强度会以某种方式提高神经网络的准确性。在我的情况下，我正在使用CNN来检测图像中是否存在狗，并且我被建议添加失真。

浏览 8提问于2018-10-18得票数 0

1回答

CNN模型的准确性没有提高

python、tensorflow、machine-learning、keras、deep-learning

我有来自不同设备的许多时间序列数据(时间和电压)。我试图把这个时间序列数据转换成一个图像数组，这样它就可以作为图像使用，我可以在图像上应用CNN，并且可以对数据来自哪个设备进行分类。它基于不同的器件产生不同的电压信号的假设，这些信号应该是可微的。我应用了一个函数，将时间序列数据分割到一个图像数组中，然后使用CNN进行分类。图像大小为14x100像素。from 0 to 1 X_train_scaled = X_train/36 #Max voltage val

浏览 4提问于2022-10-11得票数 -2

1回答

迁移学习-将我的顶层与预训练模型合并会使准确率下降到0%

python、tensorflow、deep-learning、keras、transfer-learning

我在这里的目标是将我的顶层附加到一个预先训练的模型，如VGG19，并使用合并后的模型进行一些预测。合并后的模型精度为0。需要一点帮助。我自己的顶层from keras.layers import，获得了72%的准确率代码未显示from keras import appli

浏览 3提问于2018-04-15得票数 2

3回答

在Python3中利用Keras优化有线电视新闻网的结构

python-3.x、tensorflow、deep-learning、keras、spectrogram

我试图提高我的CNN的验证精度从76% (目前)到90%以上。下面我将展示有关我的CNN的性能和配置的所有信息。本质上，我希望我的CNN能区分两类梅尔光谱图：这里是损失与时代的关系图，最后，这里是模型体系结构配置。Y_train, epochs=50,

浏览 2提问于2017-09-20得票数 5

回答已采纳

1回答

提高CNN中的验证准确性

python、keras

下面是我的代码，用于对两种类别进行分类。问题是验证精度停留在0.5到0.6之间。我试图操纵参数的数量，但仍然得到相同的问题。关于如何改进模型，您有什么想法吗？./255) train_datagen.flow_from_directory('/home/ccc/Downloads/Compressed/CNN</

浏览 0提问于2019-12-26得票数 0

1回答

深深的CNN并没有学到，准确性只是保持在相同的价值

opencv、tensorflow、keras、computer-vision、resnet

我有一个基于ResNet的深度CNN和一个数据集(10000，50,50,1)来对数字进行分类。当我运行它开始精简，准确性只是停留在一些值，并轻轻地(约0.2)。

浏览 0提问于2020-03-09得票数 2

回答已采纳

点击加载更多

集合能提高卷积神经网络的准确性吗？

基于CNN的二值分类精度图

我们可以使用CNN/LSTM在图像中找到所需的字符串吗？或者，我们是否需要在使用CNN/LSTM提取文本后应用NLP。有人能澄清一下吗？

图像分类Pytorch

改进FCN和R-CNN深度学习模型的改进思路