大家好,本人是在读本科生,近期在完成学校布置的自主任务时,遇到了一些问题,希望大家予以帮助
任务是这样的,利用卷积网络对人类表情数据进行分类,数据集具体大小为:
训练集: 28709
测试集: 7178
数据集中的类别有 7 个 具体为: ['anger' 'disgust' 'fear' 'happy' 'neutral' 'sad' 'surprised']
我采用的是简化版的vgg网络,最初得到的结果出现过拟合(并且测试集的损失不降反升),由此我添加了正则化项,并引入了Dropout层,Dropout设置的值为0.6,最终得到的结果如图,我反复修改了很多参数,也引入了批次数据标准化,但测试集的准确率始终为0.5左右,如何解决,万分感谢!
CNN网络测试集准确率始终无法提高
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
2条回答 默认 最新
- 专家-司宇[在线] 2024-07-26 16:15关注
引自免费微信小程序:皆我百晓生
根据你提供的描述和图表信息,针对你的CNN网络在测试集上准确率无法提高的问题,我们可以从以下几个方面进行分析和优化:
- 数据增强: 考虑到表情数据的特性,可以尝试进行数据增强操作,如旋转、缩放、裁剪等,以扩充数据集并增加模型的泛化能力。
- 模型结构: 虽然你使用了简化版的VGG网络,但可能需要进一步的优化。尝试调整网络层数、特征图的大小和数量等,以找到最优结构。
- 超参数调整: 除了Dropout值和批次数据标准化,还可以尝试调整其他超参数,如学习率、批量大小、权重初始化方法等。
- 正则化项: 你已经添加了正则化项来防止过拟合。请确保正则化强度设置得当,避免过强的正则化导致模型欠拟合。
- 损失函数: 考虑尝试不同的损失函数,如交叉熵损失等,以更好地适应表情分类任务。
- 训练策略: 采用一些训练策略,如早停法(Early Stopping),在验证集性能不再提高时提前停止训练,以避免过拟合。
- 模型融合: 可以尝试使用多个模型进行训练,并在最后阶段采用模型融合的方法,如平均或投票,以提高预测的准确性。
- 可视化与调试: 使用可视化工具对模型进行调试,观察训练过程中各层的输出和特征图,以发现潜在的问题并进行调整。
由于没有具体的代码和模型结构细节,以上建议仅作为一般性的指导。为了更好地解决你的问题,建议提供更详细的代码、模型结构和数据预处理信息,以便进行更具体的分析和优化。此外,可以查阅相关文献和教程,了解最新的表情识别技术和方法。
解决 无用评论 打赏 举报 编辑记录
悬赏问题
- ¥15 35114 SVAC视频验签的问题
- ¥15 impedancepy
- ¥15 在虚拟机环境下完成以下,要求截图!
- ¥15 求往届大挑得奖作品(ppt…)
- ¥15 如何在vue.config.js中读取到public文件夹下window.APP_CONFIG.API_BASE_URL的值
- ¥50 浦育平台scratch图形化编程
- ¥20 求这个的原理图 只要原理图
- ¥15 vue2项目中,如何配置环境,可以在打完包之后修改请求的服务器地址
- ¥20 微信的店铺小程序如何修改背景图
- ¥15 UE5.1局部变量对蓝图不可见