tensorflow - 如何修复图像识别中的错误猜测

Question

我对这些东西很陌生，所以请耐心等待。我在 YT 中观看了一个有关图像识别/分类的快速简单视频，该程序确实可以以很高的百分比对图像进行分类。但我确实有一些其他图像被错误分类。

在 tensorflow 网站上:https://www.tensorflow.org/tutorials/image_retraining#distortions

However, one should generally avoid point-fixing individual errors in the test set, since they are likely to merely reflect more general problems in the (much larger) training set.

这是我的问题:

1. 纠正程序猜测的最佳方法是什么？例如。图像是 B，但应用返回结果“A - 70%，B - 30%”
2. 如果答案是再次重新训练，我该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。我希望程序能够继续学习，同时保留我已经训练它识别的先前数据。

Answer 1

不幸的是，通常没有简单的解决办法，因为您正在训练的模型非常复杂，并且人类很难解释。

但是，您可以使用一些技术来尝试减少测试错误。首先，通过观察训练误差和测试误差之间的差异，确保模型没有过度拟合或欠拟合。如果是这种情况，则尝试应用标准技术，例如选择更深的模型和/或在拟合不足时使用更多过滤器，或者在拟合过度时添加正则化。

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示例，以尝试深入了解你可以改进的地方。

如果可能，尝试观察错误分类的图像有哪些共同点。如果你幸运的话，它们都会属于一个或少数几类。以下是您可能会看到的一些示例以及可能的解决方案:

• 问题:面朝左侧的狗被错误分类为猫
• 解决方案:尝试通过轮换来增强训练集
  
  
• 问题:较暗的图像被错误分类
• 解决方案:确保正确规范化图像

您也可能已达到当前方法的极限。如果您仍然需要做得更好，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 .