个人技术笔记

Caffe模型训练数据准备准则

发布时间：2018-03-01  栏目：Caffe, 深度学习  评论：0 Comments

最近在Caffe上面训练分类数据，使用网上的共有数据集训练下来效果不错，但是同样的模型，使用自己采集的数据却有问题，表现在如下方面：
1. 收敛很快，之后便accuracy=1了
2. 使用caffe的批处理测试，accuracy=1,loss=0,但是单独测试单证图片，很多准确率很差

分析如下：
总的数据很少，只有七八千张，而且每类图片比较相似，所以收敛快很正常
第二个问题比较诡异，但是由于使用别的数据训练没有问题，说明程序和脚本没有问题，问题出在训练数据上

对训练数据分析后，发现以下问题及纠正措施：
1. 有些类别里面的训练数据图片特征不明显，针对这种情况，将类别进一步细分，由8类变为10类，使模型能够更好的收敛描述每一类
2. 将每一类里面其他特征不明显，又不能归到其他类别的图片删除 – 特别是模型比较小，描述力不够时，更加需要这样
3. 训练出来的模型，只选取accuracy小于1或者刚到1的模型使用，因为发现后面的accuracy=1的模型已经跑飞了，不知道怎么回事，不知道是不是caffe的bug, 效果好很差，基本不准。因为之前模型的训练终止条件是按照迭代次数来的

留下评论

You must be logged in to post a comment.