2
我对caffe有点新鲜,而且我收到了一些奇怪的行为。我试图在bvlc_reference_caffenet上使用微调来完成OCR任务。Caffe网络损失非常低,但测试的准确性很差
我已经接受了他们的预训练网,把最后一个FC层改为我有的输出类数,然后再训练。经过几千次迭代后,我得到了〜0.001的损失率,并且在网络测试时准确率超过了90%。也就是说,当我尝试通过我自己的数据运行我的网络时,结果很糟糕,不超过7%或8%。
我使用运行net的代码是:
[imports]
net = caffe.Classifier('bvlc_reference_caffenet/deploy.prototxt', 'bvlc_reference_caffenet/caffenet_train_iter_28000.caffemodel',
image_dims=(227, 227, 1))
input_image = caffe.io.load_image('/Training_Processed/6/0.png')
prediction = net.predict([input_image]) # predict takes any number of images, and formats them for the Caffe net automatically
cls = prediction[0].argmax()
为什么这样的表现可能是如此之差有什么想法?
谢谢! PS:一些可能或不可用的附加信息。如下所示进行分类时,分类器确实似乎偏爱某些类。尽管我有101级的问题,但似乎只分配了最多15个不同的级别
PPS:我也相当肯定我不是过度配合。我一直在用快照测试它,它们都表现出同样糟糕的结果。