2、计算机视觉之图像分类算法基础（笔记）

什么是图像分类？

识别图像所表示内容的任务称为图像分类。我们可以对图像分类模型进行训练以识别各类图像。例如，您可以训练模型来识别表示三种不同类型动物的照片：兔子、仓鼠和狗。

 

 

 下面几个神经网络重点关注准确率的问题

 

 

 

 

 

 

上图只是训练方式不一样，但是提高了精度 

提升精度或者训练损失不继续下降办法汇总

参考链接：https://blog.csdn.net/weixin_43167121/article/details/95199820

1.找出总被分错的图片，如果真的是太难分辨，考虑删掉。或者用adaboost方法训练多个弱分类器
2.考虑多模型融合，最简单方法可以是不同时刻的训练结果融合，不过可能差距不大，好处是节省时间
3.降低学习率，如果是已经是衰减学习率了，可以考虑换种衰减方式
4.检查数据集有没有错误的样本，严重影响
5.首层网络可视化，看特征图区分度是否可以
6.改网络模型，改其他参数等等

参考链接：https://www.zhihu.com/question/57278365/answer/2109839327

作者：蓝血人

1、概包括继续提升样本，尤其是针对错误较多类别补充样本，具体做法包括补充全新样本,原有样本的转换，如果是图像的话可以做平移，镜像，局部扣取等；

2、当然也可以做一下样本分析，把训练样本整体做一些预处理，具体做什么预处理需要分情况讨论；在增加原先错误较多类别之后可以在原有模型上做finetune,不用从头开始；

3、还有从你用到的网络结构来分析，适当增加网络深度来做实验，或者调整现有网络结构中层的参数，包括卷积参数和步长等调整