哪种预训练模型最适合灾难分类

Question

我是深度学习的新手，我想建立一个模型，根据给定的图片预测灾难类型（洪水、火灾、基础设施损坏）。我想继续进行迁移学习，但我不确定哪种模型会给我最好的结果。

我尝试使用从头开始构建 cnn 模型，但我得到的测试准确度 = 70%，这很低。

型号代码如下：

num_classes=3
model = Sequential()
model.add(Conv2D(64, kernel_size=(3, 3),
             activation='relu',
             input_shape=(512,512,3)))
model.add(Conv2D(128, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
          optimizer=keras.optimizers.Adadelta(),
          metrics=['accuracy'])

kf=KFold(n_splits=10 ,shuffle=True)

for train_index, test_index in kf.split(X):
   print("Folding")
   x_train, x_test = X[train_index], X[test_index]
   y_train, y_test = y[train_index], y[test_index]

   y_train = to_categorical(y_train, num_classes)
   y_test = to_categorical(y_test, num_classes)

   model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
   score = model.evaluate(x_test, y_test, verbose=0)
   print('Test loss:', score[0])
   loss.append(score[0])
   print('Test accuracy:', score[1])
   acc.append(score[1])

PS ：X 是一个形状为 (3000,512,512,3) 的 numpy 数组，Y 是一个形状为 (3000,1) 的 numpy 数组，每个 class

Answer 1

我使用了 resnet18 模型的迁移学习，三个模型中的每个模型只有 100 张图像 class，结果准确率为 99%。我认为它应该可以解决你的问题。

哪种预训练模型最适合灾难分类

Which pre-trained model works best for disaster classification

machine-learning

computer-vision

training-data

deep-learning

transfer-learning