tensorflow - 精度低的CNN模型

我目前正在研究对食物图像进行分类的CNN模型。到目前为止，我已经设法建立了一个可正常运行的CNN，但我想提高准确性。对于数据集，我使用了一些来自Kaggle的图像，很少使用我自己的收藏集中的图像。

以下是有关数据集的一些信息：


食物图像有91类。
每个课程约有500至650张图像。
数据集已经过手动清理，并检查了不相关或质量较差的图像（照片尺寸不同）。


这是我的CNN模型：

classifier = Sequential()

def cnn_layer_creation(classifier):

classifier.add(InputLayer(input_shape=[224,224,3]))

classifier.add(Conv2D(filters=32,kernel_size=5,strides=1,padding='same',activation='relu',data_format='channels_first'))
classifier.add(MaxPooling2D(pool_size=5,padding='same'))

classifier.add(Conv2D(filters=50,kernel_size=5,strides=1,padding='same',activation='relu'))
classifier.add(MaxPooling2D(pool_size=5,padding='same'))

classifier.add(Conv2D(filters=80,kernel_size=5,strides=1,padding='same',activation='relu',data_format='channels_last'))
classifier.add(MaxPooling2D(pool_size=5,padding='same'))

classifier.add(Dropout(0.25))
classifier.add(Flatten())
classifier.add(Dense(64,activation='relu'))
classifier.add(Dropout(rate=0.5))
classifier.add(Dense(91,activation='softmax'))

# Compiling the CNN
classifier.compile(optimizer="RMSprop", loss = 'categorical_crossentropy', metrics = ['accuracy'])
data_initialization(classifier)

def data_initialization(classifier):

# Part 2 - Fitting the CNN to the images

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255,
                                  shear_range = 0.2,
                                  zoom_range = 0.2,
                                  horizontal_flip = True)

training_set = train_datagen.flow_from_directory('food_image/train',
                                                 target_size = (224, 224),
                                                 batch_size = 100,
                                                 class_mode = 'categorical')

test_set = test_datagen.flow_from_directory('food_image/test',
                                            target_size = (224, 224),
                                            batch_size = 100,
                                            class_mode = 'categorical')

classifier.fit_generator(training_set,
                         steps_per_epoch = 100,
                         epochs = 100,
                         validation_data = test_set,
                         validation_steps = 100)

classifier.save("brynModelGPULite.h5")
classifier.summary()

def main():

cnn_layer_creation(classifier)

培训是在GPU（nVidia 980M）上完成的

不幸的是，准确性还没有超过10％。我尝试过的事情是：


增加时期数。
更改优化器（ADAM，RMSPROP）。
更改激活功能。
减小图像输入尺寸。
增加批次大小。
将过滤器大小更改为32、64、128。


这些都没有提高准确性。

谁能为我提供一些如何提高模型精度的启发？

最佳答案

您只能扩充训练数据。

以下代码

test_datagen = ImageDataGenerator(rescale = 1./255,
                                      shear_range = 0.2,
                                      zoom_range = 0.2,
                                      horizontal_flip = True)

应该

test_datagen = ImageDataGenerator(rescale = 1./255)

关于tensorflow - 精度低的CNN模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52208950/