2017-03-20 9 views
0

私は畳み込みニューラルネットワークを持っていて、私の入力データは異なったビュー(画像の周りの3Dの角度)から同じオブジェクトの10.000画像です。私のネットワークは収束しますが、ネットワークが異なる角度やビューをすべて記憶しているかどうかはわかりません。私は1つのオブジェクトしか持っていないので、実際には異なるデータでテストすることはできません。 私のトレーニング/試験区は、この(赤trainig、緑テスト)のようになります。深い学習:私のネットが記憶していないことを知るには

enter image description here

テストは、私はネットワークが心ですべての画像を学ぶことを期待トレーニングよりも低いため?私には10.000種類の異なる画像があります。

+0

テストの縦軸は何ですか - 失敗率をパーセンテージで表しますか? – Prune

+0

あなたの得点や分類機能は何ですか、それをフィードバックする "地上真理"ですか?このモデルの目的は何ですか?他のすべてのものとは対照的に、この1つのオブジェクトを認識することになっていますか?もしそうなら、それに反例も与える必要があります。 – Prune

+0

まあ、回帰タスクなので、「精度」はありません。コースは他のオブジェクトも認識することですが、私はこのモデルより多くのデータを持っていません。それが私の問題です。私のground_truthは深度マップです。 – thigi

答えて

1

第1に、「記憶」は、これまでの例の正確な逆流ではないため、学習プロセスに適用する用語ではありません。

これは実験プロセスの問題です。あなたは成功基準を定義します。ご使用のアプリケーションには95%の精度が十分ですか?成功を宣言するのに十分なパフォーマンスは何ですか?

さらに説得力のある議論を構築する方法の1つは、標準的な第3のパーティションを作成することです。訓練とテストセットのほかに、検証のためにデータの一部を保存します。あなたはすでに行ったようにトレーニングとテストを行います。モデルが収束したら、それを検証セットに適用して結果を予測します。 テストが成功基準をパスした場合、、次にのモデルが完成しました。

+0

まあ問題です。私はこの1つの "オブジェクト"しか持っていないので、どのような種類の検証データセットがあるでしょうか。すべての角度からこのオブジェクトを訓練すれば、検証データセットにはテストやトレーニングのデータセットとは異なるものを置くことができません。まあ、訓練データセットでは水平方向5°、垂直方向7°、テストデータセットでは6°7°、検証データセットでは7°7°の方向に画像を置くことができましたが、明らかにすべて同じように見えますこれは大きな違いにはなりません。 – thigi

+0

あなたは間違った方向に推論しています。あなたのデータセットはモデルの目的を守る必要があります。あなたがその問題に答えるまで、私はその目的のためにモデルの適性をテストするために必要なデータについてのガイダンスを提供することはできません。 – Prune

関連する問題