deep-learning - Tensorflow 2 对象检测 API - 我可以/应该使用 K 折交叉验证吗？

Question

我有一个大约 1000 图像的小数据集，正在训练我的模型来检测 8 个类别。我按 80:20(训练:验证)的比例划分了我的数据集，并希望应用 k 折交叉验证以充分利用我的数据集。

#1:这种思路是正确的还是我误解了什么？在另一篇关于对象检测中的K 折 交叉验证的帖子中，有人提到由于我们有置信度得分，所以我们不需要 k 折交叉验证。但是，我没有看到在“k”次折叠和置信度分数上训练我的模型之间的相关性。

#2:这是必须手动完成的事情还是 tensorflow 2.x 有办法添加 k 折交叉验证？

任何澄清将不胜感激!谢谢!

Answer 1

关于您的查询1 和2

• (IMO)，K-Fold 是合适的。仅供引用，将数据集拆分为 8:2 比例称为 holdout 方法，据我所知，它不是 K-Fold。当你想做 K-Fold 时，你可能需要考虑一些事情，例如 class distribution、bounding box distribution 等。但是，由于您没有提供任何示例数据或代码，这里有一个类似的 discussion这可能对你有帮助。

• 必须手动完成。这是一个重采样过程，用于在有限的数据样本上评估机器学习模型。它不是与任何框架集成的东西。