如何优化你的图像分类模型效果 (如何优化你的人际关系)

文章编号:46029 资讯动态 2024-12-09 图像分类

图像分类是一个认为几乎解决了的问题。有趣的是,你必须竭尽所能来提升额外的1%的准确率。当我参加“ Intel Scene Classification Challenge hosted by Analytics Vidhya(由Analytics Vidhya主办的英特尔场景分类挑战)”我非常喜欢这次比赛,因为我尝试从我的深度学习模型中榨干所有的潜力。下面的技术通常是可以应用到手头上的任何图像分类问题中去。

问题

下面的问题是把给定的图片分类到下面的6个类别中去。

数据类别

数据中包含25,000张自然风景的图片,这些图片来自世界各地。

渐进的(图片)尺寸调整

当训练CNN模型的时候,从小到大的线性调整图片尺寸是一项技术。渐进的尺寸调整在很赞的fastai课程中被描述为:程序员的深度学习实践。一种不错的方式是先用小的尺寸,如64 x 64进行训练,再用这个模型的参数,在128 x 128尺寸上进行训练,如此以往。每个较大的模型都在其体系结构中包含以前较小的模型层和权重。

fastai库是一个强大的深度学习库。如果fastai团队找到了一篇很感兴趣的论文,他们会在不同的数据集上进行测试,并实现调参。一旦成功,就会被合并到他们的库,并且对它的用户开放阅读。这个库包含了很多内置的先进的技巧。基于PyTorch,fastai对于大多数任务都有很好的默认参数。部分技巧包括:

完整的权重初始化

在查看可用的标准数据集时,我偶然发现了Place365数据集。Place365数据集包含365种风景分类的1,800,000张图片。本次挑战赛提供的数据集与这个数据集很相似,所以在这个数据集训练的模型,具有一些学习的特征,与我们分类的问题是相关的。由于我们的问题中的类别是Place365数据集的子集,所以我使用了一个用Place365权重初始化的ResNet50模型。

这个模型的权重在“pytorch weights”中提供。下面使用的实用函数帮助我们正确地将数据加载到fastai的CNN学习器中。

混合增强

混合增强是一种通过对已有的两幅图像进行加权线性插值,来形成新图像的增强方法。我们取两张图像,然后使用这些图像的张量进行线性组合。

混合增强

λ是服从beta分布的随机采样。虽然论文的作者建议使用 λ=0.4,但是fastai的库默认值设为0.1。

fastai中的混合增强

学习率调优

学习率是训练神经网络中最重要的超参数之一。fastai有一种方法来找出合适的初始学习速率。这个技术被称作循环学习率,我们用较低的学习率进行试验,并以指数形式增加,记录整个过程的损失。然后我们根据学习率绘制损失曲线,并选择损失值最陡峭处的学习率。

在学习率为1e-06时,损失最陡峭

这个库还为我们自动的处理带有重新启动的随机梯度下降(SGDR)。在SGDR中,学习率在每次迭代开始时会重新设置为原始选择的数值,这些数值会随着迭代减小,就像余弦退火一样。这么做的主要收益是,由于学习率在每次迭代的开始可以重置,因此学习器能够跳出局部极小值或鞍点。

fastai中带有重启的随机梯度下降

通用对抗网络

生成式对抗网络(GAN是Generative Adversarial Networks的缩写)在2014年被Ian Goodfellow提出,GANs是由两个网络组成的深层神经网络结构,它们相互竞争。 GANs可以模拟任何数据分布。他们可以学习生成类似原始数据的数据,而且可以是任何领域——图像、语音、文本等等。我们使用fastai的Wasserstein GAN的实现来生成更多的训练数据。

GANs包括训练两个神经网络,一个被称为生成器,它生成新的数据实例,另一个被称为判别器,它对它们进行真实性评估,它决定每个数据实例是否属于实际的训练数据集。你可以从这个链接查阅更多。

去除混淆的图像

正如Andrej Karpathy所说,“数据调查”是一个重要的一步。关于数据调查,我发现很多数据包含不少于两种的类别。

方法-1

使用之前训练的模型,我对整个训练数据进行了预测。然后丢弃概率得分超过0.9但是预测错误的图像。下面这些图像,是模型明显错误分类的。深入观察以后,我发现这些图像是被人工错误分类了。

有些图像的预测概率在0.5到0.6之间,理论上可能是这个图像表现出不止一个类别,所以模型给他们分配了相同的概率,我也把这些图像剔除了。观察这些图像,这个理论最终被证明是正确的。

方法 2

fast.ai提供了一个方便的插件“图像清理器插件”,它允许你为自己的模型清理和准备数据。图像清理器可以清洗不属于你数据集的图像。它在一行中呈现图像,使你有机会在文件系统中删除文件。

测试时间增加

测试时间的增加包括提供原始图像的一系列不同的版本,并把他们传递到模型中。从不同的版本中计算出平均值,并给出图像的最终输出。

fast.ai中测试时间的增加

之前提出的10-crop技巧跟此技巧类似。我首先在残差网络的论文中读到了10-crop技巧。10-crop技巧包括沿着四角和中心点各裁剪一次,得到五张图像。反向重复以上操作,得到另外五张图像,一共十张。测试时间增加的方法无论如何比10-crop技巧要快。

集成

机器学习中的集成是一种使用多种学习算法的技术,这种技术可以获得比单一算法更好的预测性能。集成学习最好在下面的条件下工作:

在本例中,我通过选择最大发生类来集成所有模型的预测。如果有多个类有最大出现的可能,我随机选择其中的一个类。

结果:

公开排行榜——29名(0.962)

私人排行榜——22名(0.9499)

结论

想要继续查看该篇文章相关链接和参考文献?

点击 如何优化你的图像分类模型效果? 】 即可访问:

社长今日推荐: 2017春季CS231n斯坦福深度视觉

李飞飞主讲王牌课程,计算机视觉的深化课程,神经网络在计算机视觉领域的应用,涵盖图像分类、定位、检测等视觉识别任务,以及其在搜索、图像理解、应用、地图绘制、医学、无人驾驶飞机和自动驾驶汽车领域的前沿应用。

本课程完全免费!加入小组即可立即观看!

课程链接:

原创文章,未经授权禁止转载。详情见 转载须知 。

如何优化你的图像分类模型效果?

全局中部横幅
新乡市红旗区惠阁日用百货商行

一个专业的科学护肤网站,收集简单实用的祛痘  、祛斑 、 去皱方法方法大全,分享快速有效的小妙招,案例,让网友知道如何更好地祛痘  、祛斑 、 去皱,远离不知所措护肤苦恼!

傲蓝悦视星眼镜软件

傲蓝悦视星软件,一站式眼镜行业数字化管理软件。功能包括:收银、会员、验光、库存、采购、GSP、私域会员、连锁管理等。适于眼镜店、配镜中心、眼视光中心、眼视光门诊、眼科医院门诊等使用,助眼镜行业实现精细化管理,提升企业赢利能力。

暖通设备,中央空调系统,酒店工程,消防工程设备,客房电器

四川省弘茂电器有限公司是一家致力于家电零售、批发、工程项目开发、售后服务连锁为一体的综合性大型企业,公司主营:通暖设备、中央空调系统、酒店保暖工程、客房电器、消防工程设备,如有相关业务需求,欢迎来电咨询。

蓝天采集器

蓝天采集器是一款开源免费无限制的爬虫软件,采用php+mysql开发可部署在云端服务器,实现电脑端、移动端使用浏览器即可采集数据,可对接任何cms系统,免登录实时发布数据,是网页大数据采集软件中完全跨平台的云端爬虫系统,在AI人工智能时代助力垂直大模型AIGC内容创作!响应数据要素×行动为数商提供强劲动力倡导数据合规交易!

龙门剪

★山东威锻机械设备有限公司★专注龙门剪产品的生产销售,公司主营液压龙门剪、废钢龙门剪切机、液压龙门剪等其他液压产品,公司产品质优价廉,具有多年行业研发经验,24小时欢迎新老客户来电咨询剪切机价格!

上海研丰电子科技有限公司

上海研丰电子科技有限公主要从事两大类,一类为耗材部,二类为仪器仪表,各种泵类产品、软管、采样袋、非标软管及其接头和高精度实验器材等一系列产品

海宁市玲珑陶塑精密轴承厂

塑料轴承、陶瓷轴承产品欢迎联玲珑轴承有限公司!供应各种高品质塑料轴承、陶瓷轴承!本公司主要经营陶瓷轴承产品和塑料轴承产品,物美价廉!欢迎来电质询:0573-87274114

苏州云仓

三方易仓储(苏州)有限公司(0512-66216663)提供:电商云仓外包与电商仓库配送服务,电商仓配一体化,仓储、装卸、分拣、打包、物流配送的公司,苏州、广州、上海,多云仓支持,致力于为淘宝、天猫、京东、微商、有赞、拼多多等电商企业解决仓储和配送,三方易将是您生意上最佳的合作伙伴!

浸渗液

佛山日新精密有机浸渗加工有限公司是日新兴业株式会社在中国设立的全资子公司。十余年来一直专注于浸渗液及浸渗加工领域的研究与发展,被业界誉为浸渗行业专家,长期以来为世界众多制造企业提供高端浸渗及浸渗加工服务。

门窗

苏州瑟盾门窗股份有限公司是一家专门生产门窗,系统门窗,门窗招商加盟的企业,苏州瑟盾门窗倡导、坚固完美的“简约现代”设计风格,在家居装饰领域的应用艺术上,苏州瑟盾门窗有着优秀的设计理念和杰出的生产技术。

全局底部横幅