質問編集履歴
4
図の変更
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -8,8 +8,8 @@
|
|
|
8
8
|
・データ数：1440
|
|
9
9
|
・学習データ数：1152
|
|
10
10
|
・検証データ数：288
|
|
11
|
-
|
|
11
|
+
↑元のデータの精度と損失係数
|
|
12
|
-
|
|
12
|
+
↑リサイズデータの精度と損失係数
|
|
13
13
|
以下が使用している構造です。
|
|
14
14
|
|
|
15
15
|
|
3
挿入した図
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -8,10 +8,11 @@
|
|
|
8
8
|
・データ数：1440
|
|
9
9
|
・学習データ数：1152
|
|
10
10
|
・検証データ数：288
|
|
11
|
-
[元のデータの精度と損失係数](
|
|
11
|
+
|
|
12
|
-
[リサイズデータの精度と損失係数](
|
|
12
|
+
|
|
13
13
|
以下が使用している構造です。
|
|
14
14
|
|
|
15
|
+
|
|
15
16
|
```python
|
|
16
17
|
model = Sequential()
|
|
17
18
|
if input == None :
|
2
データ数の記載
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -5,6 +5,11 @@
|
|
|
5
5
|
元のデータで実装すると精度が低いままepochを大きくしても同じ制度になってしまいます。
|
|
6
6
|
元のデータで精度を高くするためにはどのようにすれば良いでしょうか。
|
|
7
7
|
|
|
8
|
+
・データ数：1440
|
|
9
|
+
・学習データ数：1152
|
|
10
|
+
・検証データ数：288
|
|
11
|
+
[元のデータの精度と損失係数](7abb37c799fe108bddb2ecd86838a8d7.png)
|
|
12
|
+
[リサイズデータの精度と損失係数](7abebeb8f259ddb3019be4c4c8dd2566.png)]
|
|
8
13
|
以下が使用している構造です。
|
|
9
14
|
|
|
10
15
|
```python
|
|
@@ -22,7 +27,7 @@
|
|
|
22
27
|
model.add(Convolution2D(64, 3, 3))
|
|
23
28
|
model.add(MaxPooling2D(pool_size=(2, 2)))
|
|
24
29
|
model.add(Dropout(0.25))
|
|
25
|
-
model.add(Flatten())
|
|
30
|
+
model.add(Flatten()) !
|
|
26
31
|
model.add(Dense(512))
|
|
27
32
|
model.add(Activation('relu'))
|
|
28
33
|
model.add(Dropout(0.5))
|
1
modelの追記
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -3,4 +3,29 @@
|
|
|
3
3
|
カラー画像で分類問題を解いています。
|
|
4
4
|
元のデータ（410×254のカラー画像）をリサイズし50×30にすると精度が高く出るが
|
|
5
5
|
元のデータで実装すると精度が低いままepochを大きくしても同じ制度になってしまいます。
|
|
6
|
-
元のデータで精度を高くするためにはどのようにすれば良いでしょうか。
|
|
6
|
+
元のデータで精度を高くするためにはどのようにすれば良いでしょうか。
|
|
7
|
+
|
|
8
|
+
以下が使用している構造です。
|
|
9
|
+
|
|
10
|
+
```python
|
|
11
|
+
model = Sequential()
|
|
12
|
+
if input == None :
|
|
13
|
+
model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=self.x_train.shape[1:]))
|
|
14
|
+
else :
|
|
15
|
+
model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=input))
|
|
16
|
+
|
|
17
|
+
model.add(Activation('relu'))
|
|
18
|
+
model.add(MaxPooling2D(pool_size=(2, 2)))
|
|
19
|
+
model.add(Dropout(0.25))
|
|
20
|
+
model.add(Convolution2D(64, 3, 3, border_mode='same'))
|
|
21
|
+
model.add(Activation('relu'))
|
|
22
|
+
model.add(Convolution2D(64, 3, 3))
|
|
23
|
+
model.add(MaxPooling2D(pool_size=(2, 2)))
|
|
24
|
+
model.add(Dropout(0.25))
|
|
25
|
+
model.add(Flatten())
|
|
26
|
+
model.add(Dense(512))
|
|
27
|
+
model.add(Activation('relu'))
|
|
28
|
+
model.add(Dropout(0.5))
|
|
29
|
+
model.add(Dense(self.nb_classes))
|
|
30
|
+
model.add(Activation('softmax'))
|
|
31
|
+
```
|