如何提高CNN的预测准确率

Question

我正在训练 model 用于植物病害分类。 我得到了 90% 的验证准确率

model = Sequential()

model.add(Conv2D(filters=32, kernel_size=(3,3),input_shape=IMAGE_SHAPE, activation='relu',))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(filters=64, kernel_size=(3,3),input_shape=IMAGE_SHAPE, activation='relu',))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(filters=64, kernel_size=(3,3),input_shape=IMAGE_SHAPE, activation='relu',))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(filters=128, kernel_size=(3,3),input_shape=IMAGE_SHAPE, activation='relu',))
model.add(MaxPooling2D(pool_size=(2, 2)))


model.add(Flatten())


model.add(Dense(128))
model.add(Activation('relu'))


model.add(Dropout(0.5))
model.add(Dense(n_classes))
model.add(Activation("softmax"))

我使用单独的看不见的数据集测试了 model。 下面的矩阵显示了我使用看不见的数据集得到的结果。 当我从该数据集中选择随机图像时，有时它们都没有被正确预测，尽管矩阵显示它已被正确分类。 请帮我解决这个问题。 我是新手。 要了解，请参阅疾病“目标点”。它被预测为“两个蜘蛛螨双斑蜘蛛螨”，尽管在矩阵中它不是这样预测的

Answer 1

您的 model 清楚地表明它过度拟合。 过度拟合意味着 model 在训练数据集上运行良好，但在验证和测试数据集上运行不佳。 所以有很多技术可以去除model的过拟合。 我在这里提到其中的一些

1. 增加 model 的复杂度。 您的 model 只有四个卷积层和一个密集层。 所以增加这两层，尤其是卷积层。

2. 超参数调优

   一个）。 您正在使用哪个优化器。 尝试使用 Adam 优化器，它在大多数情况下都能正常工作。

   b）尝试在某些时期使用调度器改变学习率后使用学习率调度器，这将减少损失并提高准确性。

   c) 重量衰减。 在优化器中使用权重衰减。 它改善了过拟合问题。

   d) 尝试使用不同的批量大小

3. 增加你的数据集。 如果您没有更多数据集，您可以使用增强技术（在 Keras 中它是数据生成器）来增加数据集。

尝试使用所有这些参数，不要松懈，希望你能做到。 它需要耐心和一次又一次的尝试。

祝你好运