提高 CNN 图像分类准确性的方法

Question

我目前正在处理图像分类任务，涉及卡通灰度图像的大型数据集，我的 CNN 需要对它们进行分类。 Atm 我的模型的测试准确度约为 88%，但我知道更高的准确度是可能的。

我试过了：

• 改进/更改实际模型/架构
• 使用不同的元参数
• pytorch 库中的不同损失函数
• 一堆不同的变换
• 与 torch.optim 不同的优化

我还尝试了一些包含在 torchvision.models 中的标准模型，但在测试集上的准确率仍然低于 90%。

我是否只需要继续尝试上述方法以提高准确性，还是我可以尝试其他途径？真的很感谢任何建议，我能想到的唯一另一件事就是为数据集制作自己的自定义损失函数，但我不确定这会有多大帮助？

Answer 1

根据您的描述，听起来可能值得花一些时间进行数据准备。 Here 是一篇关于如何为图像执行此操作的好文章。您可以尝试的一些想法是：

• 将所有图像调整为固定大小
• 减去平均像素值，即标准化数据集

我真的不知道你在做什么，但我也会考虑添加可能相关的其他功能，看看是否有帮助。