CNN:我如何处理数据集中的模糊图像？

Question

我有30%的模糊图像在每个班级。我一共有10节课。我不能丢下这些模糊的图像。如何对模型进行训练，以提高模糊和非模糊训练数据集的准确性？目前，我的准确率是11%。

图像是用高斯模糊模糊的。

我使用了维纳滤波器，但无法从模糊图像恢复图像。

请大家提出一个好的方法来训练这个模特。

Answer 1

我建议使用数据增强方法来平衡您的数据分发。它将使您模糊的图像更适用于模型。

30%的图像的数据分布会偏离其他图像，因为它们是模糊的。在数据增强过程中使用具有适当的最小-最大值范围的随机模糊进行训练的实验(在没有模糊的图像上)。这将有助于模型在模糊图像上顺利推广。如果没有模糊图像的标签，则使用模糊检测算法确定要增加的阈值。

完成此操作后，您可能也需要进行测试时数据增强。

Answer 2

如果你能添加一些更多的信息，例如你正在解决的问题，这将是有帮助的。假设您正在解决一个分类问题，这些模糊图像是否有任何意义，例如它们是否均匀地分布在不同的类中？一件可能有用的事情是添加一些标签，例如在模型中的输入中。正常图像会有标签0，模糊标签1。一般来说，模糊化是转换/增强数据的一种合法方法。另一个建议是，您可以转换其他图像中的训练数据(不一定用高斯模糊)，以增加变化。