为什么数据增强不能提高我的表现（cnn）？答案

【问题标题】：why does data augmentation not improve my performance (cnn)?为什么数据增强不能提高我的表现（cnn）？
【发布时间】：2020-03-12 15:35:29
【问题描述】：

我对深度学习比较陌生。我正在尝试训练一个 CNN 模型来对 EEG 数据的频谱图进行分类。应用数据增强时，模型的性能比没有时更差……我错过了什么？通常我们的模型以 0.84 的准确度和 0.5 的训练和验证损失运行。

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=0,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

datagen.fit(X_train)

model.fit_generator(datagen.flow(X_train, y_train, batch_size=128), validation_data= (X_test, y_test), steps_per_epoch=len(X_train) / 32, epochs=100)

after training with generated data

【问题讨论】：

除非绝对必要，否则请不要将信息作为图像共享。请参阅：meta.stackoverflow.com/questions/303812/…、idownvotedbecau.se/imageofcode、idownvotedbecau.se/imageofanexception。

标签： python tensorflow keras data-augmentation conv-neural-network

【解决方案1】：

当您处理实际图像时，这种类型的数据增强是有意义的。狗的移动或翻转图像仍然是狗的图像。翻转的 EEG 频谱图是完全不同的信号。请参阅 here 了解可能适用于您的情况的数据增强技术。

【讨论】：