对于浅NN分类器,此图像是否过于复杂？
ery*_*ios 6 machine-learning neural-network deep-learning keras
我试图对像这样的一系列图像进行分类,每类图像都包含来自相似细胞结构的图像:
我在Keras建立了一个简单的网络来做到这一点,结构如下:
1000 - 10
未经改变的网络在MNIST分类上达到非常高(> 90%)的准确度,但在这些类型的图像上几乎从不高于5%.这是因为它们太复杂了吗？我的下一个方法是尝试堆叠深度自动编码器.
小智 0
第一个问题，如果训练时间更长，准确性会更高吗？您可能训练的时间不够长。
另外，训练数据的准确性和测试数据的准确性是多少？如果它们都很高，您可以运行更长时间或使用更复杂的模型。如果训练准确度优于测试准确度，那么您基本上就处于数据的极限了。（即，强力缩放模型大小不会有帮助，但巧妙的改进可能会有所帮助，即尝试卷积网络）
最后，对于复杂且嘈杂的数据，您可能需要大量数据才能做出合理的分类。所以你需要很多很多图像。
据我了解，深堆叠自动编码器是一种无监督方法，不直接适合分类。