使用 Tensorflow 进行图像分类
Image Classification using Tensorflow
我正在 transfer-learning/retraining 使用 Tensorflow Inception V3 模型。我有 6 个标签。给定的图像只能是一种类型，即不需要多次 class 检测。我有三个问题：
哪种激活函数最适合我的情况？目前tensorflow提供的retrain.py文件使用softmax？还有哪些其他方法可用？ （比如 sigmoid 等）
我应该使用哪个优化器功能？ （GradientDescent、Adam..等）
我想识别超出范围的图像，即如果用户输入随机图像，我的算法应该说它不属于所描述的 classes。目前有 6 个 classes，它给出一个 class 作为确定的输出，但我不希望那样。对此有哪些可能的解决方案？
此外，我们还可以在 tensorflow 中调整哪些其他参数。我的基线准确率为 94%，我正在寻找接近 99% 的准确率。
由于您正在进行单标签分类，因此 softmax 是最好的损失函数，因为它将您的最终层 logit 值映射到概率分布。多标签分类时使用Sigmoid。
与香草梯度下降相比，使用基于动量的优化器总是更好。有很多这样修改过的优化器，比如 Adam 或 RMSProp。与他们一起试验，看看什么最有效。亚当可能会给你最好的表现。
您可以添加一个额外的标签no_class，因此您的任务现在将是一个 6+1 标签分类。您可以输入一些带有 no_class 作为标签的随机图像。但是，您的随机图像分布必须与测试图像分布相匹配，否则它不会泛化。
我正在 transfer-learning/retraining 使用 Tensorflow Inception V3 模型。我有 6 个标签。给定的图像只能是一种类型，即不需要多次 class 检测。我有三个问题：
哪种激活函数最适合我的情况？目前tensorflow提供的retrain.py文件使用softmax？还有哪些其他方法可用？ （比如 sigmoid 等）
我应该使用哪个优化器功能？ （GradientDescent、Adam..等）
我想识别超出范围的图像，即如果用户输入随机图像，我的算法应该说它不属于所描述的 classes。目前有 6 个 classes，它给出一个 class 作为确定的输出，但我不希望那样。对此有哪些可能的解决方案？
此外，我们还可以在 tensorflow 中调整哪些其他参数。我的基线准确率为 94%，我正在寻找接近 99% 的准确率。
由于您正在进行单标签分类，因此 softmax 是最好的损失函数，因为它将您的最终层 logit 值映射到概率分布。多标签分类时使用Sigmoid。
与香草梯度下降相比，使用基于动量的优化器总是更好。有很多这样修改过的优化器，比如 Adam 或 RMSProp。与他们一起试验，看看什么最有效。亚当可能会给你最好的表现。
您可以添加一个额外的标签
no_class，因此您的任务现在将是一个 6+1 标签分类。您可以输入一些带有no_class作为标签的随机图像。但是，您的随机图像分布必须与测试图像分布相匹配，否则它不会泛化。