卷积神经网络中的过拟合

Question

我申请CNN对手势进行分类，我有10个手势和100个手势图像。我所建立的模型对训练数据的准确率约为97%，而我在测试数据中的准确率为89%。我是否可以说，我的模型是过度安装，或它是否可以接受有这样的准确性图表(如下所示)？

​

​

Answer 1

向培训集添加更多数据

当您的培训集中有大量的数据(各种实例)时，创建一个过度拟合的模型是很好的。

例如:假设你只想检测到一个手势，比如“拇指向上”(二进制分类问题)，你已经用大约1000幅图像创建了你的正面训练集，其中图像被旋转、翻译、缩放、不同颜色、不同角度、不同视点、背景cluttered...etc。如果你的训练准确率是99%，你的测试准确率也将接近某个地方。

由于我们的训练集足够大，足以涵盖所有阳性类的实例，所以即使模型被过度拟合，它也会在测试集中表现良好，因为测试集中的实例与训练集中的实例只会有微小的变化。

在您的情况下，您的模型是好的，但如果您可以添加更多的数据，您将获得更好的准确性。

要添加什么样的数据？

手动检查模型出错的测试样本，并检查模式，如果您能够找出哪种样本出错了，您可以将这类样本添加到您的培训集中，然后再进行一次培训。