机器学习提高准确率的一些思路和技巧

最新推荐文章于 2024-04-13 00:00:00 发布

linyilong3

最新推荐文章于 2024-04-13 00:00:00 发布

阅读量1.8k

点赞数

分类专栏：机器学习文章标签： python 机器学习

本文链接：https://blog.csdn.net/linyilong3/article/details/119091868

版权

1 篇文章 0 订阅

订阅专栏

我们项目中用到yolo和resnet以及deepsort和CRNN，为了提高准确率，从刚开始的调参到现在的固定几种技巧，基本足够应付目前的项目

首先对于实际项目中，调整参数对于准确率提升基本影响不大，所以我后来基本不调参了

为了提高准确率，目前主要使用如下技巧:

1. 验证数据集的准确性，之前被实习生坑过，做的数据集完全是乱七八糟的，导致训练loss一直下降不了，找了好久才发现是数据集的问题

2. 数据增强，这个比较常用，主要是模拟现实场景的光照，起雾等，当然都是比较简单的效果，复杂的我们也做不出来

3. 每一个场景自己单独训练一个模型，这个是最有用的，最早我们想训练一个通用的模型，以为在A地方训练的模型在B地方也会很好用，结果发现不是的，在A训练的模型，到了B地可能准确率只有50%左右，只有再训练才可以，我们后来大概总结下模型的训练技巧

第一列表示用了哪个地方的训练数据训练出来的模型，第一行表示在某地测试的结果

具体准确率我已经忘记了，但是最终的结果表明，针对某个场景训练的模型是最有效的，所以后期我们基本是每个地方单独训练一个模型出来使用

关注

专栏目录