我们现在在做深度学习分类医学图像,这部分医学图像的差异肉眼不可见,但已经有文献报告过可以做出来了,只是相同的方法套用到我们的数据上就不行了,也不知道这个是不是过拟合。。。
神经网络用的是简化版的SE-ResNet,EfficientNet也用过了,结果一样不行,下面分别是loss和acc,黄线是测试集,蓝线是训练集,这种情况我还可以怎么办?


我们现在在做深度学习分类医学图像,这部分医学图像的差异肉眼不可见,但已经有文献报告过可以做出来了,只是相同的方法套用到我们的数据上就不行了,也不知道这个是不是过拟合。。。
神经网络用的是简化版的SE-ResNet,EfficientNet也用过了,结果一样不行,下面分别是loss和acc,黄线是测试集,蓝线是训练集,这种情况我还可以怎么办?


黄线不应该是验证集吗?为什么会跑到测试集去?train,val,和test的功能是不一样的,你如果说是val的长这样,那就是过拟合了,这个需要正则化或者降为,减小网络深度等方法调整。如果训练集和验证集的loss情况是正常的,那就是模型泛化能力不行,或者需要处理噪声。而以上两个通用的一个方法就是增大数据集,多来上一些数据可能就会好很多,毕竟多少人工多少智能。