提高深度学习分类模型准确率方法

1数据

• 增加数据，数据越多越好，深度学习，数据为王。
• 过滤数据，有些数据一张图片却包含另一类的对象，比如猫狗分类，一张图片里面既包含狗，又包含猫。所以最好是把所有的数据过一遍，把不太好的数据删除掉。有时候可能里面只有一两张错误图片，但是最终对算法效果的影响却很大。

2 修改类别数

• 增加对抗样本，这个效果特别好，例如做图片分类的时候，如果算法容易把白色桌面识别成雪天，那么就增加白色桌面的无关类，如果算法容易把玻璃识别成投影幕，那么就增加玻璃的无关类，这种方法效果特别好。
• 拆分类别，一个算法检测的类别数多了也会影响准确率，可以把他拆成好几个算法模型去做。

3 结合业务逻辑或者opencv

• 增加业务逻辑判断，用C++业务逻辑结合检测算法，从而提高准确率。
• 增加opencv代码，有时候可以用opencv一些普通的算法对深度学习算法结果进行二次判断，也能取得一些很好的效果。

4 其他

• 数据shuflle，prototxt已经shuffle了，但是还可以用脚本把txt文件给弄乱。
• 数据增强，就是旋转，光线。