如何改进和优化深度学习方法?
1. 学术上
2. 工程上
在训练集训练,再和训练集一起划分的测试集上测试,效果很好,但是实际测试效果很差,需要从多方面进行分析,然后才能改进。
从 数据集情况/数据预处理方式/网络结构/损失函数/后处理等方面进行分析。
首先,分析数据集应用场景是否接近;是否数据集数量太少,导致过拟合;
然后,分析训练集是否足够多,包含更多的情况(颜色、视角、图片分辨率、图片质量等),包含情况越多,泛化性一般越好些;
然后,逐一分析一些典型图片,对比原始图片,标签对应图片,预测类别对应的图片,从颜色/视角/光亮度等对三者进行分析;
判断是否为数据集的问题,无论是与不是,都要进一步分析数据预处理方式,要怎么预处理增加一些“情况”,增加亮度等。
其次,分析网络结构问题(后续更新这一步骤);
其次,分析后处理问题。