在深度學習中使用AlexNet進行圖像識別的奇怪結果

Question

我使用tensorflow教程中提供的修改後的AlexNet（cifar-10-模型）對一些機械零件圖像進行圖像識別，但得到的結果非常奇怪。

培訓的準確性很快就會達到100％。但測試的準確性開始高達45％，非常快速地下降到9％。

我正在做一個20,000個圖像的訓練集並測試8個類別的2,500個圖像的測試。我做的培訓和測試通過批次的1024

尺寸精度和訓練損耗，顯示如下，你可以看到：

1. 測試精度開始於高達45％，這沒有按」沒有意義。
2. 機械圖像總是歸類爲「左括號」 Accuracy Classification results

Answer 1

您的測試精度降低，我想這是因爲過度擬合。嘗試使用更簡單的模型或正則化方法來調整模型。

Answer 2

您可能想要檢查數據或特徵提取是否存在錯誤。我對3-labels進行了蛋白質結構預測，但我使用的是錯誤的提取方法。我的驗證準確度也從45％開始，然後很快下降。

瞭解我的錯誤在哪裏，我從頭開始：現在我做蛋白質結構預測8標籤。第一個時代的精確度爲60％，能夠穩步上升到64.9％（目前Q8的CB513世界紀錄爲68.9％）。

因此，從45％開始驗證的準確性不是問題，但快速下降是。我擔心你的數據/提取中有某處出現錯誤，而不僅僅是過度擬合。