【问题标题】：How to fix incorrect guess in image recognition如何修复图像识别中的错误猜测
【发布时间】：2018-02-01 17:54:01
【问题描述】：
我对这些东西很陌生，所以请多多包涵。我在 YT 中关注了一个关于图像识别/分类的快速简单视频，该程序确实可以对图像进行高百分比的分类。但后来我确实有一些其他图像被错误分类。
在张量流网站上：https://www.tensorflow.org/tutorials/image_retraining#distortions
但是，通常应该避免在
测试集，因为它们可能只反映更一般的
（更大的）训练集中的问题。
所以这是我的问题：
- 纠正程序猜测的最佳方法是什么？例如。图像为 B，但应用返回结果“A - 70%, B - 30%”
- 如果答案是再次重新训练，我如何在不删除之前创建的瓶颈文件的情况下再次重新训练程序？ IE。我希望程序继续学习，同时保留我已经训练它识别的以前的数据。
【问题讨论】：
标签：
tensorflow
machine-learning
conv-neural-network
【解决方案1】：
不幸的是，通常没有简单的解决方法，因为您正在训练的模型非常复杂，人类很难解释。
但是，您可以使用一些技巧来尝试减少测试错误。首先通过观察训练和测试错误之间的差异来确保您的模型没有过度拟合或欠拟合。如果是这种情况，请尝试应用标准技术，例如选择更深的模型和/或在欠拟合时使用更多过滤器，或者在过拟合时添加正则化。
既然你说你已经在很大一部分时间里正确分类了，我会开始直接检查错误分类的例子，以尝试深入了解你可以改进的地方。
如果可能，请尝试观察您分类错误的图像的共同点。如果幸运的话，它们都将属于一个或少数几个类别。以下是您可能会看到的一些示例和可能的解决方案：
- 问题：面向左侧的狗被错误分类为猫
- 解决方案：尝试通过旋转来扩充您的训练集
- 问题：较暗的图像被错误分类
- 解决方案：确保正确标准化图像
您也有可能达到了当前方法的极限。如果您仍需要做得更好，请考虑尝试不同的方法，例如使用预训练网络进行图像识别，例如 VGG。