全CNN模型对特定类别的分类偏差
全CNN模型是一种卷积神经网络模型，它在图像分类任务中具有一定的优势。对于特定类别的分类偏差，可以通过以下方式来解决：
- 数据增强：通过对训练数据进行旋转、平移、缩放等操作，扩增数据集的大小，以增加模型对特定类别的泛化能力。
- 数据平衡：如果特定类别的样本数量较少，可以采用过采样或欠采样的方法，使得不同类别的样本数量相对均衡，以避免模型对于样本数量较多的类别过度偏向。
- 类别加权：通过为不同类别设置不同的权重，使得模型更加关注对于特定类别的分类效果，从而减少分类偏差。
- 网络调整：可以对全CNN模型进行结构上的调整，如增加卷积层、调整网络层的连接方式等，以提升对于特定类别的分类能力。
- 迁移学习：可以利用预训练的全CNN模型，在特定类别上进行微调，以快速获得较好的分类结果。
推荐的腾讯云相关产品：腾讯云AI 机器学习平台（https://cloud.tencent.com/product/ai）
腾讯云AI 机器学习平台提供了丰富的人工智能和机器学习服务，包括图像识别、语音识别、自然语言处理等功能，可以帮助用户构建全CNN模型并进行特定类别的分类任务。
相关·内容
3回答
我做了一个简单的CNN，对狗和猫进行分类，我想让这个CNN检测出不是猫或狗的图像，这肯定是第三个不同的类别。如何实现这个目标？我应该用R-CNN还是别的什么？
附言:我在CNN使用Keras
浏览 1提问于2019-11-14得票数 0
我正在构建CNN +集成模型，用于在Python上使用Tensorflow对图像进行分类。我在谷歌图片上爬行狗和猫的图像。然后更改为126 * 126像素大小和灰度，添加标签0到狗，1到猫。CNN有5个conv层和2个fc层。他，PReLU，最大的池，退出，亚当在模型中使用。当参数整定完成后，增加了早期停止，模型学习了65~70个历元，精度达到92.5%~92.7%.学习结束后，我想把我的CNN模型改为VGG网络，我检查了CNN参数，令人震惊的是，我发现我没有在conv层增加偏差。2FC层有偏倚，5层无偏倚。因此，我在5层增加了偏差，但我的模型无法学习。成本增加到无限。
偏置不一定在深卷积层？
浏览 0提问于2017-07-17得票数 7
回答已采纳
我刚刚用Tensorflow/Keras训练了一个CNN，并将其保存为模型。我多次尝试通过它运行大约1000个输入，每次得到的预测精度略有不同。准确性很好，我不关心性能；然而，我认为CNN模型一旦训练，就应该是确定性的。也就是说，任何输入都将始终以相同的方式分类。难道不是这样吗？模型一旦训练就可以预测的方式是否存在可变性？如果没有，希望我可以假设我已经在无意中将一些可变性编程到我的代码中。任何帮助都将不胜感激。
浏览 0提问于2019-08-11得票数 3
2回答
我想评估不同模型的性能，例如SVM，RandForest，CNN等，我只有一个数据集。因此，我将数据集分为训练集和测试集，并在此数据集上使用训练数据训练不同的模型，使用测试数据集进行测试。
我的问题是:我能否仅在一个数据集上获得不同模型的真实性能？例如:我发现SVM模型得到了最好的结果，那么我应该选择支持向量机作为我的最终分类模型吗？
浏览 0提问于2015-11-12得票数 1
2回答
列车与试验误差的关系
、、、、
我有一些特别的问题，我无法从书本中得到答案。因此，我在这里寻求帮助，如果可能的话，我将非常感谢一个直观的解释。
一般来说，神经网络有一个偏差/方差权衡，因此我们需要一个正则化。偏高->欠拟合；方差高-过拟合。
为了解决过拟合问题，我们采用正则化方法对权值进行对比。这是一个超参数，并应在培训期间学习，根据我的理解使用交叉验证。因此，数据集被分割成一个训练、验证和测试集。测试集是独立的，在学习过程中模型是看不到的，但是我们有可用的标签。基于该测试集，我们通常会报告假阳性、混淆矩阵、错误分类等统计数据。
( Q1)这种偏差/方差问题是否也出现在其他算法中，如支持向量机、最小方差分析等？
在卷积
浏览 0提问于2018-10-04得票数 0
回答已采纳
1回答
传递学习与线性分类器
、、、
在cs231n的讲义中，说
新数据集很小，与原始数据集相似。由于数据很小，由于过于合适的考虑，对ConvNet进行微调不是个好主意.因此，最好的方法是在CNN码上训练线性分类器。
我不知道线性分类器是什么意思。线性分类器指的是最后一个完全连接的层吗？(例如，在Alexnet中，有三个完全连接的层。线性分类器是否是最后一个完全连接的层？)
浏览 3提问于2017-05-05得票数 1
回答已采纳
我的数据集形状为(91149, 12)
我使用CNN训练我的分类器来完成文本分类任务
My Class有9个标签，如下所示：
df['thematique'].value_counts()
Corporate 42399
Economie collaborative 13272
Innovation 11360
Filiale 5990
Richesses Humaines 4445
Relation sociétaire
浏览 2提问于2019-12-27得票数 5
1回答
如何使用元信息丰富卷积神经网络？
、、、、
我非常想了解如何用提供的元信息来丰富CNN。据我所知，CNN“只是”查看图像并将其分类为对象，而不查看可能存在的元参数，如时间、天气条件等。
更准确地说，我在后端使用了一个带有tensorflow的keras CNN。我有典型的Conv2D和MaxPooling层，并且在管道的末尾有一个完全连接的模型。它工作得很好，给了我一个很好的准确性。但是，我确实有每个尚未使用的图像(用于拍摄图像的相机的制造商)的额外元信息。
将这些元信息合并到模型中的推荐方法是什么？我自己还想不出一个好的解决方案。
谢谢你的帮助！
浏览 1提问于2017-12-15得票数 4
1回答
我已经看过很多文章，解释在使用CNN进行句子情感分类时使用预先训练过的单词嵌入(如Word2Vec或Fasttext) (比如Yoon的论文)。然而，这些分类器也解释了单词出现的顺序。
我对word嵌入的应用是预测单词的“池”类。例如，在下面的列表中
example = [["red", "blue", "green", "orange"], ["bear", "horse", "cow"], ["brown", "pink"]]
单词的顺序并不重要，
浏览 0提问于2018-05-26得票数 1
回答已采纳
1回答
我正在训练一个卷积神经网络来分类雾条件下的图像(3类)。然而，对于大约150.000张图像，我还提供了四个气象变量，它们可能有助于预测图像的类别。我想知道如何将气象变量(如温度、风速)添加到现有的CNN结构中，以便有助于分类。
我已经想到的一种方法是在CNN旁边创建另一个(小的)前馈神经网络，然后将CNN层的输出和非图像神经网络的隐藏层在密集层相互连接。
我能想到的第二种方法就是将这些特征与致密层联系起来。然而，在这种情况下，非图像变量(我认为)只能进行线性预测。
是否有其他(更好的)方法可以将非图像特征包括在模型中？考虑到我拥有的数据量，什么是最好的方法？
我的另一个问题是，是否应该解冻卷积
浏览 0提问于2018-05-08得票数 23
回答已采纳
我使用python和进行文本分类。是神经网络的一种解释模型，它为神经网络模型的分类提供了理由。的输入用下面的训练成"CNN“模型
我不知道如何从或tensorflow CNN的图表中制作这种格式。我试图对sess使用的代码进行筛选：
filename = 'trainedCNN_model_%s.pickle' % str(current_step) pickle.dump(sess, open(filename, 'wb'))，
但是它失败了，并显示了TypeError: can't pickle module objects。
实际上，我认
浏览 0提问于2018-02-01得票数 0
回答已采纳
我建立了一个基于图像的CNN模型--一级分类。输出张量是一个包含65个元素的列表。对Softmax函数进行张量输入，得到分类结果。我认为这个输出张量中的最大值是分类结果，为什么不用这种方法来完成分类任务呢？仅仅是Softmax函数就可以很容易地取到导数？
浏览 1提问于2018-06-22得票数 4
回答已采纳
我正在尝试训练一个用于对象分类的CNN。因此，除了图像之外，我还想输入一些文本特征。
我在这里找到了一个这样做的例子
作者构建了两个模型，一个用于图像识别的CNN模型和一个用于文本识别的普通ANN模型。最后，他将它们合并在一起，并应用softmax激活。因此，他的管道如下所示：
merged = Merge([cnn_model, text_model], mode='concat')
### final_model takes the combined models and adds a sofmax classifier to it
final_model = Seque
浏览 0提问于2018-08-06得票数 3
2回答
我想训练一个CNN的多标签图像分类任务使用keras。然而，我不知道如何准备我的培训数据。更具体地说，我想知道我是否需要显示两个或更多标签组合的培训图像，或者是否足以在单个标签上对网络进行培训，然后它将能够检测到图像中的多个标签。
我想我的问题通过一个例子变得更清楚了：
假设我使用的是狗和猫的分类数据集，我想要建立一个模型，能够将图像分类为狗或猫，或者在一张图像中看到这两种动物。在这种情况下，我是否需要用同时显示猫、狗和图像的图像来训练模型，还是只使用只显示猫和狗的训练图像？
浏览 0提问于2018-01-21得票数 5
1回答
我正在解决一个多类图像分类问题。直接训练CNN并没有给任务带来好的结果，所以我现在正在尝试一种变通方法。这个想法是训练多个二进制分类网络，每个图像类一个，然后合并它们的输出。合并模型的输出层应该是N+1元素的向量，其中N是图像类别的数量。输出向量的argmax是分类结果(图像类)。输出向量的第一个元素是一个偏置项，只有当图像不属于任何一个高概率类时，它才会被激活。该元素将在输出向量中具有恒定(偏差)值，该值将用作分类置信度阈值。
通过向网络添加另一个输入，我成功地完成了我想要做的事情；该输入被初始化为一个常量值，并用作偏差。有没有可能在不改变网络的输入形状的情况下，通过某种方式将常量值嵌入到网
浏览 26提问于2021-05-18得票数 0
回答已采纳
2回答
我有一个完整的CNN模型。其输出形状为(16,16,5)，激活为softmax。我需要分别对每个单元进行分类，一个类用于背景，另一个用于每个对象的类(4+1 )。 例如，对于3*3的输出，我想要的输出是这样的 ? 由于背景类的重复性较高，我的模型偏向于类0(背景)。对于这种不平衡的分类，我应该怎么做？为此，我使用了TensorFlow和Keras。我的基本模型是Resnet50 非常感谢
浏览 24提问于2021-07-31得票数 1
我正在构建一个CNN模型，使用tensorflow 2对python中自己的数据集进行分类。如何准备目录中的数据集以将其加载到模型中。
浏览 5提问于2020-06-27得票数 0
回答已采纳
我需要对图像中的像素实例进行分类。大多数目标检测模型，例如RetinaNet、R-CNNs，仅检测边界框。在我的例子中，边界框中的非实例区域可能与实例有很大的不同。即使掩码R-CNN模型仍然基于边界框区域进行对象分类。有人知道我应该使用什么模型吗？我猜Facebook的MultiPathNet可能可以用，但我没有用Linux。还有别的型号吗？非常感谢。
浏览 2提问于2018-11-07得票数 0
2回答
我想同时使用图像和其他特征来对图像进行分类。我正在使用CNN对图像进行分类。但是我如何将其他特性集成到我的模型中呢？例如，如果我正在对图像进行分类，我拥有的特征是：
1.Images
2.Age
3.Sex
一种天真的方法是：
x_combined = np.vstack((age_sex,x))
但是，将x_combined输入到我的CNN模型中是没有帮助的，因为这些特征不是图像的一部分。
我想做的是同时使用年龄和性别以及图像进行分类。我使用keras来创建我的模型。如何创建我的模型？
浏览 3提问于2018-01-27得票数 2
回答已采纳
1回答
我在用CNN模型进行图像分类。我想尝试使用决策树或增强树模型的图像分类。我发现Tensorflow是增强树模型，但我无法理解如何将图像作为模型的输入。如果你知道如何使用tf.boosted树训练图像分类，请指导我。
浏览 1提问于2019-09-19得票数 0
回答已采纳
1回答
我是机器学习领域的初学者，我想学习如何使用梯度增强树(GBT)进行多类分类。我读过一些关于GBT的文章，但是关于回归问题，我找不到关于GBT多类分类的正确解释。我也检查GBT在科学知识-学习图书馆机器学习。GBT的实现是利用回归树作为弱学习者进行多类分类的GradientBoostingClassifier。
GB以提前阶段的方式建立了一个加性模型；它允许对任意可微损失函数进行优化。在每个阶段，n_classes_回归树都适用于二项或多项偏差损失函数的负梯度。二进制分类是一种特殊情况，其中只有一个回归树是归纳出来的。
来源：
问题是，为什么我们用回归树来学习GBT而不是分类树呢？如果有
浏览 0提问于2018-04-25得票数 0
回答已采纳
2回答
如何识别放大的图像？
、、、、
有没有什么方法可以用来识别“假的”4K图像？即已从720p/1080p放大到4K的图像。
我尝试过搜索，但我主要只找到了用不同的方法来放大图像的方法，比如双线性，双立方，Lanczos，SRCNN和EDSR。
那么，我如何识别这些从“真正的4K”图像中放大的较低分辨率的图像呢？
我目前有一个包含200张“真实”4K图像的数据集，我将使用上面提到的方法之一再次缩小和放大。有没有一种方法可以训练模型来区分给定图像数据集中的这些图像？这应该给我至少400个图像来处理，与2个类别。真正的4K和升级后的4K。
有没有我应该使用的机器学习模型？到目前为止，我是计算机视觉、数字图像处理和机器学习领域的新手，
浏览 3提问于2019-12-05得票数 1
1回答
我标记了一个具有独立类别的文本数据集。当在Keras中运行CNN分类器时，我得到了> 90%的准确率。
我的短信是客户评论“我真的很喜欢这款手机的摄像头。”类有“手机摄像头”、“内存”等。
我正在搜索的是，我是否可以用出现在句子中的类别来标记句子，同时分类器标记指示类别的实体。或者更具体地说:我如何提取输入句子的那些部分，这些部分在Keras中选择(即分类) 1个、2个或更多类别的CNN网络？
浏览 1提问于2018-12-18得票数 0
我想要为二进制分类创建一个深度学习模型(CNN)，我能用softmax函数代替sigmoid函数进行二进制分类吗？
将分类层添加到模型中，如下所示
model.add(Dense(2, activation='softmax'))
浏览 0提问于2019-02-08得票数 4
回答已采纳
2回答
我正在实现一个CNN图像分类模型，在那里我正在学习损失函数。有几种类型的损失函数来确定错误。然而，如何找出哪个函数适合于图像的多分类模型呢？
浏览 0提问于2019-08-24得票数 5
1回答
我知道，偏差就像1会被添加到每一层的输入向量中一样，或者好像它是一个具有恒定输出1的神经元。偏置神经元外的权值是在训练过程中训练的正常权值。
现在我正在研究Tensorflow中的一些神经网络代码。例如，这个(它只是CNN (VGGnet)的一部分，特别是CNN中卷积结束和完全连接的层开始的部分)：
with tf.name_scope('conv5_3') as scope:
kernel = tf.Variable(tf.truncated_normal([3, 3, 512, 512], dtype=tf.float32,
浏览 2提问于2017-11-05得票数 2
回答已采纳
我已经建立了一个CNN，它可以对两个不同类别的图像进行分类。但是，当我试图运行分类代码时，我仍然会得到这个错误：
AttributeError: 'Sequential' object has no attribute 'predict_classes'
这是导致错误的代码的一部分：
images = np.vstack([x])
classes = model.predict_classes(images, batch_size=10)
浏览 6提问于2021-11-26得票数 0
回答已采纳
1回答
我是一个深入学习的新手，并致力于为使用Caffe的图像创建一个车辆分类器，并有一个3部分的问题：
在组织CNN培训课程方面有什么最佳做法吗？即每一类别的类别数目和样本数目？例如，我这样做会更好吗？
- (a) Vehicles - Car-Sedans/Car-Hatchback/Car-SUV/Truck-18-wheeler/.... (note this could mean several thousand classes), or
- (b) have a higher level model that classifies between car/tru
浏览 1提问于2015-10-06得票数 4
回答已采纳
我目前有一个项目，在这个项目中，我必须创建一个二进制分类器来检测缺陷产品。我有已经被标记的图像数据(每个部分都被标记为通过或失败)，以及一个外部数据集，该数据集对每一幅图像都有特定的测量值(它包含摄像机无法准确捕获的参数，例如温度、特定片段的长度等)。通过应用基本的分类算法，例如logistic回归和支持向量机(在scikit-learn中)，我已经获得了相当高的精度，但我希望将图像数据合并起来以提高准确性。我读过关于训练CNN图像的文章，但是我不知道如何整合外部数据集来训练模型(事实上，我甚至不知道这是否可能)。是否有任何方法同时使用图像数据以及外部数据集来对这些图像进行分类？任何帮助都是非
浏览 0提问于2020-07-24得票数 1
回答已采纳
我想分类一个支持票的数据集，它主要包含描述字段中的文本，有时在一个单独的字段中包含服务器日志。
日志字段并不总是在那里，但是当它出现时，它是票证目标类的一个很好的指示符。
我创建了一个基于CNN的分类器，该分类器可以根据日志字段对票进行分类，并为描述字段创建了一个支持向量机clf，该分类器具有基于TFIDF的特征。
我正在考虑将CNN分类器的输出概率添加到基于TFIDF的SVM分类器中，将这些模型组合成一个特征列。
有没有更好的方法来组合这些模型？
有没有更好的方法来解决这个问题，而不是有两个单独的模型？
浏览 0提问于2018-11-27得票数 0
1回答
多类分类中类的发现概率
、、、、
我制作了一个Tf/Keras CNN模型，它是一个二进制分类器。该模型对图像属于A类或B类的情况进行分类，如果图像是A类的一定百分比，B类的一定百分比，如何使模型返回。
这就是我想要的结果。
帮帮忙吧。
浏览 13提问于2022-04-02得票数 -2
回答已采纳
1回答
我正在实施CNN分类模型。我已经看到了几个将数据集拆分为测试、训练和验证的实例。我还看到了数据集被分割为训练和测试的实例，测试数据被再次用于验证。这里最好的办法是什么？
浏览 0提问于2022-10-15得票数 0
4回答
ROC曲线解释
、、、
我训练了一个CNN模型和一个组合的CNN-SVM分类模型。我想用ROC曲线来比较它们的性能，但我搞不懂哪种型号更好。如何解释给定的ROC曲线？
📷
📷
浏览 0提问于2019-11-24得票数 3
回答已采纳
我试图比较CNN模型和组合CNN-SVM模型的分类精度结果。然而，我发现CNN模型比CNN-SVM组合模型具有更好的精度。这是正确的还是有可能发生的？
浏览 25提问于2019-11-14得票数 1
根据TextCategorizer顶部的评论，
使用TextCategorizer组件在IMDB数据集上训练卷积神经网络文本分类器。数据集将通过Thinc的内置数据集加载器自动加载。该模型被添加到spacy.pipeline中，并且可以通过doc.cats进行预测。有关更多细节，请参见文档：*培训：
CNN的代码在哪里？CNN可以配置吗？是否有一个研究论文的实施是基于？
浏览 0提问于2018-11-18得票数 2
1回答
我有点搞不懂有区别的模特。我知道概率分类器使用最大似然来理解输入属于哪一类，而线性分类器使用输入的线性组合进行分类。在这一点上，我不明白区分模型是概率分类器还是线性分类器。
浏览 1提问于2021-01-18得票数 1
回答已采纳
我看了一下scikit的文档--学习，但我不清楚在VotingClassifier的引擎盖下使用了什么样的分类方法？它是logistic回归，支持向量机，还是一种树方法？
我感兴趣的是如何改变遮罩下使用的分类器方法。如果Scikit-learn没有提供这样的选项，那么是否有一个可以很容易地与scikit集成的python包--学习，它将提供这样的功能？
编辑：
我指的是用于第二个级别模型的分类器方法。我完全知道，第一级分类器可以是任何类型的分类器支持的科学工具包-学习。
第二级分类器使用第一级分类器的预测作为输入。所以我的问题是-这个二级分类器使用什么方法？这是logistic回归吗？还是别的
浏览 0提问于2019-01-15得票数 3
回答已采纳
我为包含6个类的数据集构建了一个CNN图像分类器。数据集在所有6个类中都是平衡的。经过训练，该模型在除2类外的所有类中都具有较好的预测精度。为了进一步解释，让我们用从'0‘到'5’之间的整数来标记这6个类。经过训练的模型能很好地预测从'0‘到'3’之间的类。但几乎5%-10%的4级图像被预测为5级，5%-10%的5级图像被预测为4级。
我该如何处理这种情况呢？
浏览 0提问于2022-05-31得票数 1
我发现最好是从交叉验证的角度问我的问题。下面是：
假设一个二进制分类问题，并将交叉验证应用于某一学习算法.假设CV列车误差和CV测试误差均达到90%的准确度，表明了较好的拟合效果。由于这个性能对于我们的问题是可以接受的，所以我们将训练和验证集组合成一个最终的完整数据集，并训练最终的模型。对于最后的数据集，只有训练错误可用，假设在我们的示例中这将是92%。
现在，对于这个问题:知道最终模型已经达到了92%的准确度，在最终数据集中保留8%的错误示例是否有什么用？既然这些例子是无法学习的，那么为什么不删除它们，用仅能学到的92%的数据对最终模型进行再培训呢？
备注
据我所知，在上述例子中，上述8%的
浏览 0提问于2021-02-06得票数 2
1回答
如何为训练暹罗神经网络准备数据集
、、、、
我试图通过建立一个带有角角的人脸识别模型来实现一个暹罗神经网络。以前，我使用分类实现了CNN人脸识别模型(带有keras)，因此我的数据集已经被分成训练数据、训练标签、验证数据、验证标签和测试数据。用于此目的的数据集由226个图像类组成。我使用2799张图像进行训练，226张图片进行验证。现在我想使用数据集来训练一个暹罗神经网络。为了这个目的，我该如何分割数据呢？
浏览 1提问于2019-07-02得票数 3
回答已采纳
1回答
我即将开始一个项目，目标是对PDF文档进行分类。我想知道是否有一个最佳实践方法来解决这个问题。
具体来说，我想知道以下两种方法中的一种是否通常表现得更好：
使用OCR读取器将文件转换为文本，并对文本数据进行分类器模型的训练。
将文件转换为图像并训练CNN分类器模型
我计划把不同的推荐信和证书分类。由于这些文件中的大多数都在类中共享类似的布局和文本，所以这些想法都应该得到解决。我想知道是否有人已经在这方面取得了经验，并能告诉我一些优点/缺点时，使用一种特定的方法。
任何帮助我都会非常感激。
浏览 0提问于2020-01-09得票数 3
回答已采纳
当我用火把训练我的CNN时，将使用L2正则化来对模型中的参数进行泛化。但是“重量衰减”代码将使用L2对所有可以更新的参数进行处理。BatchNorm层中的参数是否也应该被L2泛化？
浏览 2提问于2020-10-28得票数 1
回答已采纳
2回答
软极大值层置信度的计算
、、、
我正在做一项多级别的计算机视觉分类任务，并使用CNN将FC层叠加在上面，使用softmax激活，问题是，如果我预测了一个岩石图像是什么，它将返回一个高概率的概率，因为使用softmax激活返回压缩在0到1之间的概率分布。我可以用什么来确定我的模型概率输出的可信度，来判断我是否可以依赖这些概率。
PS:我不想添加no_label类
是否可以使用拥有模型的两个输出，pre_softmax和softmax输出，而不根据线性激活(即pre_softmax层)更新权重，因为训练会受到影响。
浏览 8提问于2022-08-23得票数 1
1回答
我正在尝试使用CNN对巨蟒中的医学图像进行分类，使用keras。这些医学图像还包括文本信息，如年龄和性别，可以影响模型的决定。我如何训练CNN既能利用图像又能利用现实世界的信息进行训练，使之成为两者的分类基础。
浏览 2提问于2020-08-01得票数 1
回答已采纳
2回答
我想训练一个CNN的多标签图像分类任务使用keras。然而，我不知道如何准备我的培训数据。更具体地说，我想知道我是否需要显示两个或更多标签组合的培训图像，或者是否足以在单个标签上对网络进行培训，然后它将能够检测到图像中的多个标签。
我想通过一个示例，我的问题变得更清晰了
假设我使用的是狗和猫的分类数据集，我想要建立一个模型，能够将图像分类为狗或猫，或者在一张图像中看到这两种动物。在这种情况下，我是否需要用同时显示猫、狗和图像的图像来训练模型，还是只使用只显示猫和狗的训练图像？
浏览 0提问于2018-01-21得票数 6
回答已采纳
1回答
在分类、目标检测、分割等任务中，给定的深度cnn模型的性能如何随类数的变化而变化？
例如，移动网络v2在使用PASCAL进行分类任务时提供了大约90%的准确率；现在，如果我们用两个类(比如人和狗)训练相同的网络，它将如何影响准确性、速度和模型大小？(例如，使用tensorflow).Also，在对象检测和语义分割(特别是)等任务中会是什么情况？
我们能否使网络变得更小，以便从较小的数据集(2个类)中学习，以达到相同或更好的精度和速度？
浏览 0提问于2019-01-01得票数 3
1回答
我有一个数据集，并希望在不同大小的数据集子集上对CNN进行培训。我已经有一个CNN，如果我使用整个数据集，分类非常好。现在的问题是，如果我真的应该尝试额外优化CNN的参数为子集，无论我是否做数据增强？如果我试图通过使用RandomizedSearchCV或GridSearchCV来优化卷积层的数量、不同的学习速率等来改变这些子集的CNN模型，这真的有意义吗？
换句话说，假设我为数据集找到了完美的CNN模型。这个模型也是这个数据集子集的完美模型吗？
我希望有人能给我个提示。如果有任何帮助，我提前感谢你。
浏览 0提问于2019-09-02得票数 0
1回答
我想对矢量化的文本数据执行多类多输出分类任务.我首先在多输出启动中使用随机森林分类器：
forest = RandomForestClassifier(random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
multi_target_forest.fit(X_train, y_train)
y_pred_test = multi_target_forest.predict(X_test)
在查看单个估计器(multi_target_forest.estimato
浏览 0提问于2020-03-04得票数 2
回答已采纳
1回答
让CNN说“我不知道”
、、、、
我目前正在研究一个图像分类问题。为了简化实现，我在Keras中使用了传输学习，并以Resnet50作为基本模型。
我有两个类，但是输入图像可能不属于这两个类。在这种情况下，CNN应该能够作为Unknown输出。
注意:我不能为未知创建一个单独的类，因为它可以来自任何发行版。
我读到，在这种情况下，贝叶斯神经网络会有所帮助。
你能帮助我理解如何通过转移学习来实现贝叶斯CNN吗？任何材料或参考链接都会很有帮助。
谢谢
浏览 0提问于2019-05-04得票数 4
回答已采纳
为了实现分类图像的CNN模型，需要使用、sigmoid、和relu函数。但我搞不懂这些东西有什么用。
浏览 2提问于2020-09-12得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
