【深度学习】请问深度学习训练自己的模型如何提升测试效果?
请问深度学习训练自己的模型如何提升测试效果?目前测试可识别，但不稳定。训练库是用小车摄像机拍摄的61张所需零件的照片。测试结果：1 识别结果不稳定，小车在有些位置不识别对象；2 有些位置识别出的某些情况可信度不高，30%左右，识别出频繁闪断；3识别出的框比零件大，labelImg框选零件都是沿边缘选定的，测试出的结果有时框架会纵向占全副画面
1.61张图的数据量还是太少了 我们自己训练都是300张图起步的-
2.背景太杂乱是肯定会影响识别效果的 毕竟是靠摄像头识别 这个要改善的话也只能在训练时增加不同背景的图片进行训练
WHEELTEC-iris 发表于 2021-10-14 08:49
1.61张图的数据量还是太少了 我们自己训练都是300张图起步的-
2.背景太杂乱是肯定会影响识别效果的 毕竟 ...
识别可信度90多的时候，识别框比零件大，这个问题如何改善？ Wheeltec__某人 发表于 2021-10-14 08:54
识别可信度90多的时候，识别框比零件大，这个问题如何改善？
如果它框选的很大，就证明训练效果不佳，你上面这些问题都是训练数据不够会出现的情况
而且你背景里跟零件相似的杂物太多了 WHEELTEC-iris 发表于 2021-10-14 08:57
如果它框选的很大，就证明训练效果不佳，你上面这些问题都是训练数据不够会出现的情况
而且你背景里跟零 ...
之前扩展了数据，1张照片变色成4张，再分别旋转成36张，83张照片扩展到1万多张，训练后的识别效果更差，基本识别不出来。是不需要扩展，多拍摄不同背景，不同角度的照片作为训练集吗？ Wheeltec__某人 发表于 2021-10-14 09:01
之前扩展了数据，1张照片变色成4张，再分别旋转成36张，83张照片扩展到1万多张，训练后的识别效果更差， ...
建议是如果想让它在哪个背景中被识别出来 就固定好相机角度进行同个场景的训练
页:
[1]