[卷积神经网络] CNN 错误率高的解决办法？

[silianbo]

最近在完成毕设设计中，使用的网络结构为典型的 Lenet-5 ，完成的结果为错误率高达 75%，在实验的过程中，每次这有一个样本数较多的正确，其他全部错误。有什么解决办法。或者分析方法。求指导

[silianbo]

尝试过调整迭代的次数，还有测试样本的数量。结果一直保持不变。

[hardware]

错误率是用的测试集还是训练集
你这感觉完全不懂啊，咋搞的

[silianbo]

@hardware 训练集数量一直没变！全部使用有 640 个，四类 第一类有 220 个，第二类 70 个，第三类 315 个，第四类 35 个。 测试集我每组选择 20 个进行测试。

[silianbo]

@hardware 其中 20 测试样本中，只有第三类 315 个中的那 20 个正确识别，其他全部错误的识别为第三类，也就是有 75%的错误率。

[hardware]

@silianbo 你这数据也忒少了，你要是 fine-tune 还能凑合凑合，完全重新训练根本不够，而且数据数量也是 unbalance 的。

[silianbo]

@hardware 对现在就是因为样本数太少了错误率太高了，想直接在毕设中分析分析原因就行了！因为样本就那么多没办法，只能分析！求怎么去分析处理

[ppdg]

这数据集你敢在论文里写么… cnn ，后面加俩 0 还说得过去

[hardware]

@silianbo 数据就那么少就不应该选择这样的方法。非要用深度学习，你就应该找个类似场景别人训练好的网络来 fine-tune 。然后尝试做样本的 augmentation ，反转图片啊、放大缩小啊、旋转啊等等。

（然而我感觉还是并没有什么卵用，论文凑字数）

[silianbo]

@hardware
@ppdg
谢谢！好慌。

[FreeFire]

问题解决了吗？答辩了吗？

[silianbo]

@FreeFire 问题没解决！分析出了原因！

[jyhmijack]

LZ 毕设做 CNN 的？开始找工作了咩？