訓練圖像和測試圖像

Question

我正在進行一個有關腹側氣流前饋通路的項目，並且在InferoTemporal層有6張要識別的圖像。

請有人可以給我圖像的示例向我顯示訓練圖像和測試圖像之間的區別。 那么我應該添加到包含我的訓練圖像的文件夾中的內容是什么？ 我是否應該添加另一個包含測試圖像列表的文件夾？ 如果是，這些測試圖像應該是什么？

訓練圖像是否必須包含要分析或識別的圖像，測試圖像是否必須包含內存中的圖像？ 換句話說，如果我們有16個訓練面和一個或兩個測試面。 那么我們應該分析一下訓練中與被測面部相對應的面部是什么？ 真的嗎 ？？

注意：我不需要代碼，我只想對測試和訓練圖像之間的區別進行簡要說明。

任何幫助將不勝感激。

Answer 1

訓練圖像和測試圖像之間的唯一區別是事實，即測試圖像不用於選擇模型參數 。 每個模型都有某種適合於數據的參數，變量。 這稱為訓練過程。 訓練/測試集分離可確保，你的模型（算法）其實可以做更多的事情，只是記憶的圖像-讓你測試它的測試圖像，這在訓練階段還沒有被使用。

已經在SO上進行了詳細討論： 神經網絡中訓練，驗證和測試集之間有什么區別？

Answer 2

在HMAX中，您將在輸入圖像層使用所有數據。 garbor過濾器，最大池化，徑向基核均對它們起作用。 僅在C2層，您才開始訓練圖像的子集（主要是使用基於線性內核的SVM）。 子集設置為訓練數據。 其余的是測試數據。 一言以蔽之，首先使用訓練圖像來構建SVM，然后使用多數表決方法將測試圖像分配給數字類別。

但這實際上是等效的，因為您首先將訓練圖像放在圖像層。 經過所有層后，然后將測試圖像放在圖像層以重新啟動以進行識別。 由於訓練圖像和測試圖像都需要縮放，並且C2之前的先前層中的所有操作都相同，因此您只需在開始時將它們完全混合即可。

盡管您在圖像層使用了所有訓練和測試圖像，但仍需要對數據進行混洗，並選擇其中一些作為訓練，將其他作為訓練。