ProgJ 2018-04-15 16:32 采纳率: 33.3%
浏览 4677
已采纳

tensorflow CNN训练mnist数据集后识别自己写的数字效果不好

自己搭建的cnn,用mnist数据集训练的模型,准确率大概在97%,但是用手机拍了几张手写照片,灰度化之后用模型测试发现效果很差。。。0给认成了8,不知道为什么,有没有遇到类似问题的朋友
模型参考的tensorflow 1.0 学习:用CNN进行图像分类 - denny402 - 博客园
https://www.cnblogs.com/denny402/p/6931338.html

  • 写回答

5条回答 默认 最新

  • SecretGarden 2018-04-16 04:44
    关注

    MNIST数据集与你自己采集的图像,实际上是两个不同的数据集,你在MNIST上训练,然后在你的数据集上测试,测试性能不好是十分正常的。这实际上涉及在两个相似但是不同的域之间的迁移学习的问题。有三个办法解决你的问题:

    1、对你自己的数据集进行正确的归一化,包括裁剪、平移、缩放、二值化等,让它们至少看起来与MNIST数据集中的图像类似,这样识别率会改善。

    2、先在MNIST上训练你的CNN模型(预训练),再用你自己的数据集进行训练(精调),一般也可以获得识别率的提升;

    3、如果想获得更高的识别率,建立自己的大规模数据集(规模与MNIST相当),然后直接训练。

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
查看更多回答(4条)

报告相同问题?