ディープラーニング/深層学習における学習データについて

Question

深層学習を用い，画像を5カテゴリへの分類を試みています。
学習データとして各カテゴリ150枚ずつのデータを用意した上でfine-tuningを行い分類を行いました。
その結果として5つのカテゴリの分類精度はまばらとなり，あるカテゴリだけ極端に低い判別精度となってしまいました。(テスト50枚に対して正解7枚程度(14%)。他のカテゴリは概ね80％程度)
与えた学習データを見直してみても間違った物は含まれておらず、主に学習データをいじることで精度向上に関する方法をご存知の方、お教えいただければと思います。

宜しくお願い致します。

Comments

[coco_bauer]

カテゴリー間の差異は、どの組み合わせでも同程度なのですか？　A,B,C,D,Eのカテゴリがあって、A,B,C,Dは相互に明らかな違いがあるが、EはA,B,C,Dとの類似度が高い場合、Eの分類精度は高くなりません。

[退会済みユーザー]

コメントありがとうございます。ABCDEについては目視で明らかに形状が異なっているので差異は十分あると思います。

[coco_bauer]

深層学習で抽出される特長量が類似しているのではないかと思われます。特長量のデータ(学習結果)を確認してみてください。

Answer 1

学習データとして各カテゴリ150枚ずつのデータを用意した

これは学習枚数が少なすぎると思います。
深層学習とだけ書かれているので断言しかねますが3層のNNでもこの枚数じゃ録に学習できないと思います。

各カテゴリで5000～10000枚は用意したほうが安定するので、学習データを増やすか今の学習データをかさ増ししてみましょう。

実画像（カメラから撮影した画像）が対象なら、かさ増しの方法は主に以下のものが簡単かと思います。

• 画像を回転（±5度位）
• 画像にガウシアンフィルタなどでボケを加える（あまりσを大きくしすぎないように注意）
• 画像にランダムノイズを足す
• 画像をせん断変形する（あまり変形しすぎないよう注意）
• 撮影対象を並進する