Guys CNNを使用してDogs vs Catsデータセットを分類しようとしています。私は初心者の初心者です。Kers-Tf pythonでCNNを使用してdogs_cats分類データセットに十分な精度がありません
hereからデータセットのリンクを取得できます。私はMLPを使って上記のデータセットを70%のトレーニング精度と62%のテスト精度で分類しました。だから私はスコアを改善するためにCNNを使うことに決めました。
残念ながら、私はまだ非常に似た結果を得ています。ここに私のコードです:
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import LabelEncoder
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers.convolutional import Convolution2D
from keras.layers.convolutional import MaxPooling2D
from keras.models import Sequential
from keras.utils import np_utils
from keras.optimizers import SGD
from keras.datasets import mnist
from keras import backend as K
from imutils import paths
import numpy as np
import argparse
import cPickle
import h5py
import sys
import cv2
import os
K.set_image_dim_ordering('th')
def image_to_feature_vector(image, size=(28, 28)):
return cv2.resize(image, size)
print("[INFO] pre-processing images...")
imagePaths = list(paths.list_images(raw_input('path to dataset: ')))
data = []
labels = []
for (i, imagePath) in enumerate(imagePaths):
image = cv2.imread(imagePath)
label = imagePath.split(os.path.sep)[-1].split(".")[0]
features = image_to_feature_vector(image)
data.append(features)
labels.append(label)
if i > 0 and i % 1000 == 0:
print("[INFO] processed {}/{}".format(i, len(imagePaths)))
le = LabelEncoder()
labels = le.fit_transform(labels)
labels = np_utils.to_categorical(labels, 2)
data = np.array(data)/255.0
print("[INFO] constructing training/testing split...")
(X_train, X_test, y_train, y_test) = train_test_split(data, labels, test_size=0.25, random_state=42)
X_train = X_train.reshape(X_train.shape[0], 3, 28, 28).astype('float32')
X_test = X_test.reshape(X_test.shape[0], 3, 28, 28).astype('float32')
num_classes = y_test.shape[1]
def basic_model():
model = Sequential()
model.add(Convolution2D(32, 3, 3, border_mode='valid', init='uniform', bias=True, input_shape=(3, 28, 28), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
return model
model = basic_model()
model.fit(X_train, y_train, validation_data=(X_test, y_test), nb_epoch=25, batch_size=50, shuffle=True, verbose=1)
print('[INFO] Evaluating the model on test data...')
scores = model.evaluate(X_test, y_test, batch_size=100, verbose=1)
print("\nAccuracy: %.4f%%\n\n"%(scores[1]*100))
私が使ったCNNモデルは、非常に基本的ですが、私は十分にまともだと思います。私はそれに到達するために様々なチュートリアルに従った。私も、このアーキテクチャを使用したが(65%テストの精度)同様の結果を得た:model.complie
損失関数のために私もcategorical_crossentropy
をしようとしたデフォルトのパラメータでadam
と私も試したオプティマイザのために
def baseline_model():
model = Sequential()
model.add(Convolution2D(30, 5, 5, border_mode='valid', input_shape=(3, 28, 28), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Convolution2D(15, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])
return model
が、ありましたがない(または非常にわずかな)改善。
私が間違っているつもりですか、私は効率を改善するために何ができるか、どこがお勧めすることはできますか?(いくつかのエポックでは、可能な場合)
(私は深い学習とkerasプログラミング初心者です...)
EDIT:70.224%のテスト精度と74.27%のトレーニング精度に対応しました。 CNNアーキテクチャは(:74%とテストは次のとおりです。トレーニングACCなど一切オーバーフィッティングはほとんどありません70%) CONV => CONV => POOL => DROPOUT => FLATTEN => DENSE*3
た
しかし、まだそれを更に向上させる提案を開いて、70%が下側に間違いです。 ..
画像を減算してみてくださいスタートを意味:http://stats.stackexchange.com/questions/211436/why-do-we-normalize-images-by-subtracting-をthe-data-sets-and-not-the-c – y300
どのくらいのトレーニングデータがありますか? – TheM00s3
私は25000(各犬と犬の12500)トレーニングセットと12500(各6250)テストセット – pyofey