图像分类模型重新校准答案

【问题标题】：Image classification model re-calibration图像分类模型重新校准
【发布时间】：2020-11-04 20:15:58
【问题描述】：

我使用 tensorflow-keras 构建了一个图像分类模型 (CNN)。我有一些新图像需要输入到同一个模型中，以提高现有模型的准确性。

我尝试使用以下代码。但这会降低准确性。

re_calibrated_model = loaded_model.fit_generator(new_training_set,
                                                   steps_per_epoch=int(stp),
                                                   epochs=int(epc),
                                                   validation_data=new_test_set,
                                                   verbose=1,
                                                   validation_steps = 50)

有什么方法可以用来重新校准我的 CNN 模型？

【问题讨论】：

标签： tensorflow keras conv-neural-network

【解决方案1】：

我通常做的是在第一批图像上训练 CNN 模型并保存该模型。如果我需要使用其他图像“重新训练”模型，我会从磁盘加载先前保存的模型并应用输入（测试和训练）并调用 fit 方法。如前所述，这仅在您的输出完全相同时才有效，即如果您使用相同的输入和输出类。

根据我的经验，使用不同批次的图像训练模型并不一定会使您的模型或多或少准确，而是会增加每批次的训练时间。由于我使用 CPU 进行训练，因此如果我训练两批各 1000 张图像，而不是训练一批 2000 张图像，我的训练时间大约快 30%。

【讨论】：

这是我尝试过的，但它降低了我的整体准确性

【解决方案2】：

如果您使用完全不同的数据集进行第二次培训，您的新培训课程不会从之前的培训准确性开始。

您需要根据您的意图输入 (old_images+new_images)。

【讨论】：

这确实有效。我可以将我的准确率从 76% 提高到 89%。谢谢