python - CNN 对所有输入数据预测相同的类别

Question

我正在尝试在 Keras 中重新创建 CNN 来对点云数据进行分类。 CNN 在 this 中描述。纸。

网络设计

这是我当前的实现:

inputs = Input(shape=(None, 3))

x = Conv1D(filters=64, kernel_size=1, activation='relu')(inputs)
x = BatchNormalization()(x)
x = Conv1D(filters=64, kernel_size=1, activation='relu')(x)
x = BatchNormalization()(x)

y = Conv1D(filters=64, kernel_size=1, activation='relu')(x)
y = BatchNormalization()(y)
y = Conv1D(filters=128, kernel_size=1, activation='relu')(y)
y = BatchNormalization()(y)
y = Conv1D(filters=2048, kernel_size=1, activation='relu')(y)
y = MaxPooling1D(1)(y)

z = keras.layers.concatenate([x, y], axis=2)
z = Conv1D(filters=512, kernel_size=1, activation='relu')(z)
z = BatchNormalization()(z)
z = Conv1D(filters=512, kernel_size=1, activation='relu')(z)
z = BatchNormalization()(z)
z = Conv1D(filters=512, kernel_size=1, activation='relu')(z)
z = BatchNormalization()(z)
z = Dense(9, activation='softmax')(z)

model = Model(inputs=inputs, outputs=z)

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

问题在于网络对所有输入数据预测相同的类别。这可能是由于我对网络的实现出现错误、过度拟合或训练数据不足造成的。有人能发现我的实现中的错误吗？

Yousefhussien, M.、Kelbe, D. J.、Ientilucci, E. J. 和 Salvaggio, C. (2017)。用于 3D 点云语义标记的全卷积网络。 arXiv 预印本 arXiv:1710.01408。

Answer 1

相同的输出类通常表示网络刚刚初始化，这意味着训练权重尚未加载。训练时，类里面也发生过同样的事情吗？另一个原因可能是预处理不当。我注意到的另一件事是论文指出“一维全卷积网络”。你的密集层是论文中的卷积层。