我最近开始学习机器学习,我正在学习CNN,我计划在这个的帮助下编写一个用于汽车损坏严重程度检测的应用程序喀拉斯博客和这个github 仓库.
汽车数据集如下所示:
F:\WORKSPACE\ML\CAR_DAMAGE_DETECTOR\DATASET\DATA3A
├───training (979 Images for all 3 categories of training set)
│ ├───01-minor
│ ├───02-moderate
│ └───03-severe
└───validation (171 Images for all 3 categories of validation set)
├───01-minor
├───02-moderate
└───03-severe
以下代码的准确率仅为 32%。
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense
from keras import backend as K
# dimensions of our images.
img_width, img_height = 150, 150
train_data_dir = 'dataset/data3a/training'
validation_data_dir = 'dataset/data3a/validation'
nb_train_samples = 979
nb_validation_samples = 171
epochs = 10
batch_size = 16
if K.image_data_format() == 'channels_first':
input_shape = (3, img_width, img_height)
else:
input_shape = (img_width, img_height, 3)
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
# this is the augmentation configuration we will use for training
train_datagen = ImageDataGenerator(
rescale=1. / 255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
# this is the augmentation configuration we will use for testing:
# only rescaling
test_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size=(img_width, img_height),
batch_size=batch_size,
class_mode='binary')
validation_generator = test_datagen.flow_from_directory(
validation_data_dir,
target_size=(img_width, img_height),
batch_size=batch_size,
class_mode='binary')
model.fit_generator(
train_generator,
steps_per_epoch=nb_train_samples // batch_size,
epochs=epochs,
validation_data=validation_generator,
validation_steps=nb_validation_samples // batch_size)
model.save_weights('first_try.h5')
I tried:
- 将纪元增加到 10、20,50。
- 通过增加数据集中的图像(将所有验证图像添加到训练集中)。
- 通过更新过滤器尺寸
Conv2D
layer
- 尝试添加几个
Conv2D
layer, MaxPooling
layers
- 还尝试了不同的优化器,例如
adam
, Sgd
, etc
- 还尝试将过滤器步幅更新为
(1,1) and (5,5)
代替(3,3)
- 还尝试将不断变化的图像尺寸更新为
(256, 256)
, (64, 64)
from (150, 150)
但运气不好,每次我的准确率都达到 32% 或更低,但不会更高。
知道我错过了什么吗?
正如在github 仓库我们可以看到,它对于相同的数据集给出了 72% 的准确率(训练 -979,验证 -171)。为什么它对我不起作用。
我在我的机器上从github链接尝试了他的代码,但在训练数据集时挂断了(我等了8个多小时),所以改变了方法,但到目前为止仍然没有运气。
这是Pastebin包含我的训练时期的输出。