低精度の分類色

Question

色に基づいて画像を分類するための実験を行っています。私は、9色、各色1000画像に分類された9000の靴画像のデータセットを持っています。

TensorFlowのHow to Retrain Inception's Final Layer for New Categoriesチュートリアルに続いて、58.3％の精度が得られました。

次に、最終レイヤーを65.4％の精度でSVC（RBF）クラシファイアに置き換えました。

いくつかの誤りは非常に議論の余地があります。例えば、この画像真のラベルがBrownですが、私の分類器は、それがBeigeで言う：

しかし、他のエラーは単にエラーです。この画像真のラベルがPinkですが、私の分類器は、それがBlueで言う：

どのようにして精度を向上させることができますか？その他の画像？最初からインセプションネットワークをトレーニングしますか？ディープラーニングではなく「標準」MLを使用していますか？

Answer 1

インセプションは、イメージ内のアイテムに基づいてイメージをいくつかの定義済みクラスに割り当てるために作成されたNNモデルです。これは、多くのプーリング/畳み込みレイヤーを使用してジョブを行い、低レベル（エッジ）から高レベル（目）までの機能を構築します。

それでも、複雑で強力なモデルですが、すべてを行うことはできません。再訓練は、似たような仕事（犬/猫や花の区別など、異なる種類の車の分類など）の場合にのみ適切に機能します。 2つの数字を追加するために、何かが食べているのか飲んでいるのかを尋ねることはできません。

靴の色を知りたい場合は、エッジを知ることが最良の方法かどうか自問してください。ほとんどの場合はありませんが、この画像に各色が現れる回数はおそらくもっと重要です。

私は靴を中心にして、ロジスティック回帰を試みるように画像をクリーンアップしようとします。