如何在极少的数据下训练分类网络

[mwzdouks]

最近在做一个图像分类任务，从固定机位近距离拍摄物体并分类

刚开始用的网上爬的数据，效果不是很好

于是实拍了一些，但碍于时间和条件限制，手头的数据集很少，大概只有 200 张左右

于是我先用预训练的 ResNet50 在爬的数据集上训练，然后在数据增强后二次迁移

数据增强主要是随机裁剪和色调、亮度调整（试着用了高斯 /椒盐噪声和随机旋转，但 loss 不降低了）

在 train 和 val 的表现还行，达到 96%的 acc 就不再降低了，然后我试着用另一个人拍摄的数据集做 test，但是 acc 只有 73%，和之前直接用爬的数据集的 acc 几乎一样

现在项目要我 acc 至少要达到 95%，感觉很没有头绪