Deep Learning: Wie kann ich mein Netz nicht merken

Ich habe ein konvolutionelles neuronales Netzwerk und meine Eingabedaten sind 10.000 Bilder des gleichen Objekts aus verschiedenen Ansichten (Winkel in 3D um das Bild). Mein Netzwerk konvergiert, aber ich bin mir nicht sicher, ob das Netzwerk die verschiedenen Winkel/Ansichten gespeichert hat oder nicht. Da ich nur ein Objekt habe, kann ich es nicht wirklich mit verschiedenen Daten testen. Meine Ausbildung/Testplot sieht wie folgt aus (rot trainig, grün-Test):Deep Learning: Wie kann ich mein Netz nicht merken

Da der Test ist niedriger als Training, das ich das Netzwerk erwarten von Herzen alle Bilder zu lernen? Obwohl ich 10.000 verschiedene Bilder habe.

Quelle

2017-03-20 thigi

Was ist die vertikale Achse zum Testen - Fehlerrate in Prozent? – Prune

Was ist Ihre Bewertungs- oder Klassifizierungsfunktion, die "Grundwahrheit", die ihr Feedback gibt? Was ist der Zweck dieses Modells? Soll es dieses eine Objekt im Gegensatz zu allen anderen erkennen? Wenn ja, dann müssen Sie auch Gegenbeispiele geben. – Prune

Nun, es ist eine Regressionsaufgabe, also gibt es keine "Genauigkeit". Der Zweck ist, andere Objekte natürlich zu erkennen, aber ich habe nicht mehr Daten als dieses eine Modell, das ist mein Problem. Meine ground_truth ist eine Tiefenkarte. – thigi

Erstens, "memorize" ist kein Begriff, den wir auf den Lernprozess anwenden, da es keine exakte Regurgitation früherer Beispiele ist.

Dies ist eine Frage Ihres experimentellen Prozesses. Sie müssen die Erfolgskriterien definieren. Ist 95% Genauigkeit gut genug für Ihre beabsichtigte Anwendung? Was ist für Sie Leistung genug, um Erfolg zu erklären?

Eine Möglichkeit, ein überzeugenderes Argument zu erstellen, besteht darin, die typische dritte Partition zu erstellen: Neben Trainings- und Testsätzen können Sie einen Teil Ihrer Daten zur Validierung speichern. Sie machen das Training und Testen wie Sie es bereits getan haben. Wenn das Modell konvergiert ist, wenden Sie es auf den Validierungssatz an, um Ergebnisse vorherzusagen. Wenn dieser Test Ihr Erfolgskriterium, dann übergibt, haben Sie ein fertiges Modell.

Quelle

2017-03-20 21:16:15 Prune

Nun, das Problem ist. Welche Art von Validierungsdatensatz würde ich haben, da ich nur dieses eine "Objekt" habe. Wenn ich dieses Objekt aus allen Winkeln trainiere, kann ich nichts in den Validierungsdatensatz eingeben, der sich vom Test- oder Trainingsdatensatz unterscheidet. Nun, ich könnte ein Bild mit Blickrichtung 5 ° horizontal und 7 ° vertikal im Trainingsdatensatz und 6 ° 7 ° im Testdatensatz und 7 ° 7 ° im Validierungsdatensatz einfügen, aber offensichtlich würden sie alle sehr ähnlich aussehen, denke ich Das würde keinen großen Unterschied machen. – thigi

Sie argumentieren in die falsche Richtung. Ihr Datensatz muss den Zweck des Modells schützen. Bis Sie dieses Problem lösen, kann ich Ihnen keine Anleitung zu den Daten geben, die für die Eignung des Modells für diesen Zweck erforderlich sind. – Prune

Deep Learning: Wie kann ich mein Netz nicht merken

Antwort

Verwandte Themen