Caffe做分类问题,所有的样本都被分做一类
用caffe做视网膜图像的分类实验,数据集共分为5类,总共训练数据集有8w多个样本,每类样本基本均衡。测试数据集约为500,每类100个样本。
现在遇到的问题是,在做微调时,如果是浅层网络(ImageNet),会有一定的分类结果,分类正确率大约在50%左右,训练集的loss是下降的,但是测试集的loss不下降;但是如果使用较深层网络(VGG16),所有的数据集被分作是一类,准确率就是20%,而且loss不下降,一直在1.5左右徘徊。请问这个问题要怎么解决?
这个问题已经困扰我好久了,一直没有解决,诚邀回答。
现在遇到的问题是,在做微调时,如果是浅层网络(ImageNet),会有一定的分类结果,分类正确率大约在50%左右,训练集的loss是下降的,但是测试集的loss不下降;但是如果使用较深层网络(VGG16),所有的数据集被分作是一类,准确率就是20%,而且loss不下降,一直在1.5左右徘徊。请问这个问题要怎么解决?
这个问题已经困扰我好久了,一直没有解决,诚邀回答。
3 个回复
佳佳费
赞同来自:
爱在路上 - 想成为菜鸟中的战斗机
赞同来自:
ciara嫣 - 爱这个支离破碎的世界
赞同来自: