2021-06-24

本文探讨了深度学习模型在识别任务中出现错误的主要原因,包括类别不平衡、训练样本标注错误以及网络架构过于简单。解决策略涉及数据增强以平衡类别分布,纠正训练集标注错误,以及可能需要更复杂的网络结构。测试样本不足也是导致错误识别的因素之一。
摘要由CSDN通过智能技术生成

深度学习中,验证数据出现识别错特别多或者错误识别其他的物体的主要原因有以下几点:

1> 类别不平衡问题导致的。其次网络结构和loss也会有影响。类别中数据倾斜严重导致的分类不准。可以采用数据增强的方式平衡数据分布(上下采样,单类别样本数据生成等方式。)

2> 在筛查训练集的时候发现多数的正样本被错误的标注为负样本,这样模型学到正例的能力就变弱了,这样将大多数正样本预测为负样本的同时,负样本的精度也会变小。测试样本少也会造成错误识别的原因之一。
3> 考虑网络架构过于简单。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值