这个图像对于浅层神经网络分类器来说太复杂了吗？答案

【问题标题】：Is this image too complex for a shallow NN classifier?这个图像对于浅层神经网络分类器来说太复杂了吗？
【发布时间】：2016-04-17 01:45:39
【问题描述】：

我正在尝试对像这样的一系列图像进行分类，每一类都包含取自相似细胞结构的图像：

我在 Keras 中构建了一个简单的网络来执行此操作，结构如下：

1000 - 10

未更改的网络在 MNIST 分类上实现了非常高 (>90%) 的准确度，但在这些类型的图像上几乎从未超过 5%。这是因为它们太复杂了吗？我的下一个方法是尝试堆叠深度自动编码器。

【问题讨论】：

能否提供不同类别的图片？这一切都取决于它们之间的分离。
我正在研究一个类似的问题，我试图区分膜上微妙的有机纹理。在经过认真的预处理和带有卷积层的 10-12 层网络的集合之后，我才得到了很好的结果。您的数据集大小和类别比例是多少？
@MaCaKi 仅 1000 张图片，20 类中的每类大约 48 张
这对于在原始图像上训练一个 conv nn 来说是非常小的，如果不是不可行的话。它看起来像不同组织的幻灯片？它们的颜色和尺寸都一样吗？如果图像足够大，您可以通过二次采样和随机旋转来扩展数据集。

【解决方案1】：

说真的 - 我不认为任何非卷积模型都能很好地处理这类数据。

因此，我认为您应该尝试卷积 MNIST 模型而不是经典模型，或者干脆尝试自己设计。

【讨论】：

【解决方案2】：

第一个问题，如果您进行更长时间的训练，您会获得更好的准确性吗？你可能训练的时间不够长。

另外，训练数据的准确度是多少，测试数据的准确度是多少？如果它们都很高，您可以运行更长时间或使用更复杂的模型。如果训练准确度优于测试准确度，那么您基本上处于数据的极限。（即模型大小的蛮力缩放不会有帮助，但可能会进行巧妙的改进，即尝试卷积网络）

最后，复杂和嘈杂的数据您可能需要大量数据才能做出合理的分类。所以你需要很多很多的图片。

深堆叠自动编码器，据我了解，它是一种无监督方法，不直接适用于分类。

【讨论】：

我只有大约 1000 张图像，所以我对所有图像进行了训练。两者的准确率都不高。查看此页面以了解我打算如何尝试使用 AE 进行分类：ufldl.stanford.edu/wiki/index.php/Stacked_Autoencoders#Training