如何使用小数据集提高我的 convnet 性能答案

【问题标题】：how can i improve on my convnet performance with small dataset如何使用小数据集提高我的 convnet 性能
【发布时间】：2019-05-30 00:22:28
【问题描述】：

我有一个非常小的图像数据集（大约 8 张图像）。我知道我的模型可能会导致对小数据集的过度拟合，我想了解一些关于如何处理数据集如此小的情况的想法。

【问题讨论】：

您总是可以收集更多数据，还是对您有限制？
有限制

标签： machine-learning

【解决方案1】：

处理此类问题的最佳方法是使用图像增强。有几个库可以提供这个，比如 opencv2、keras、scikit-image。图像增强背后的基本思想是通过在数据中引入某些变化（例如旋转图像、在某些侧面模糊图像、放大/缩小图像、更改颜色、翻转图像等），从一张图像中人工创建更多图像更多的。您可以从一张图像创建 10x、20x、40x 等图像。

此方法将帮助您生成更多图像，但请记住，8 张图像是一个非常小的数据，这些新的增强图像将在某种程度上具有与原始图像相似的特征。

【讨论】：

你推荐使用 GAN 来帮助解决这个问题吗？另外，您认为迁移学习会改善情况吗？
迁移学习背后的概念是获得一个能够检测数据中特征的预训练模型，然后该模型会根据您的数据进行微调。由于您没有足够的数据从头开始训练一个好的模型，迁移学习可能会有所帮助。 GAN 也可以提供帮助，因为它们是一种先进的图像增强方法。