Comment améliorer les fonctionnalités d'un convnnet pour la récupération d'image?

Question

J'ai 3 cours. (50k pour la formation, 12k pour la validation) En utilisant pré-vgg16 et resnet50, et en gelant les modèles et seulement en formant une couche dense sur le dessus, j'atteins une précision de validation de 99%. Devrais-je régler pour améliorer les fonctionnalités en dégelant les calques ou devrais-je utiliser les fonctionnalités telles quelles? De même, vgg16 est-il un meilleur extracteur de fonctionnalités que Resnet50 ou devrais-je utiliser des fonctionnalités de Resnet? Merci!

Answer 1

Cela dépend de votre domaine de problème. Si vous affinez le modèle pré-entraîné pour le même domaine de problème et que la taille des données d'entraînement est petite, alors ce que vous avez fait est correct. Peut-être que si vous ne figez que les premières couches, qui sont bien entraînées pour l'extraction générale de caractéristiques (egdes, blobs, formes ..etc), vous pouvez augmenter vos performances. Il a également recommandé d'appliquer l'augmentation des données si vous allez faire pour éviter sur le raccord

Je vous invite à consulter le tutoriel suivant sur l'apprentissage de transfert pour plus de détails: http://cs231n.github.io/transfer-learning/