質問編集履歴
4
図の変更
test
CHANGED
File without changes
|
test
CHANGED
@@ -18,9 +18,9 @@
|
|
18
18
|
|
19
19
|
・検証データ数:288
|
20
20
|
|
21
|
-
![元のデータの精度と損失係数](aac6a64e983fd6a24999e4556c60ae94.png)
|
21
|
+
↑元のデータの精度と損失係数![元のデータの精度と損失係数](aac6a64e983fd6a24999e4556c60ae94.png)
|
22
22
|
|
23
|
-
![リサイズデータの精度と損失係数](e19ec0155a8288705dc4091546fb226f.png)
|
23
|
+
↑リサイズデータの精度と損失係数![リサイズデータの精度と損失係数](e19ec0155a8288705dc4091546fb226f.png)
|
24
24
|
|
25
25
|
以下が使用している構造です。
|
26
26
|
|
3
挿入した図
test
CHANGED
File without changes
|
test
CHANGED
@@ -18,11 +18,13 @@
|
|
18
18
|
|
19
19
|
・検証データ数:288
|
20
20
|
|
21
|
-
[元のデータの精度と損失係数](
|
21
|
+
![元のデータの精度と損失係数](aac6a64e983fd6a24999e4556c60ae94.png)
|
22
22
|
|
23
|
-
[リサイズデータの精度と損失係数](
|
23
|
+
![リサイズデータの精度と損失係数](e19ec0155a8288705dc4091546fb226f.png)
|
24
24
|
|
25
25
|
以下が使用している構造です。
|
26
|
+
|
27
|
+
|
26
28
|
|
27
29
|
|
28
30
|
|
2
データ数の記載
test
CHANGED
File without changes
|
test
CHANGED
@@ -11,6 +11,16 @@
|
|
11
11
|
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。
|
12
12
|
|
13
13
|
|
14
|
+
|
15
|
+
・データ数:1440
|
16
|
+
|
17
|
+
・学習データ数:1152
|
18
|
+
|
19
|
+
・検証データ数:288
|
20
|
+
|
21
|
+
[元のデータの精度と損失係数](7abb37c799fe108bddb2ecd86838a8d7.png)
|
22
|
+
|
23
|
+
[リサイズデータの精度と損失係数](7abebeb8f259ddb3019be4c4c8dd2566.png)]
|
14
24
|
|
15
25
|
以下が使用している構造です。
|
16
26
|
|
@@ -46,7 +56,7 @@
|
|
46
56
|
|
47
57
|
model.add(Dropout(0.25))
|
48
58
|
|
49
|
-
model.add(Flatten())
|
59
|
+
model.add(Flatten()) !
|
50
60
|
|
51
61
|
model.add(Dense(512))
|
52
62
|
|
1
modelの追記
test
CHANGED
File without changes
|
test
CHANGED
@@ -9,3 +9,53 @@
|
|
9
9
|
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。
|
10
10
|
|
11
11
|
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。
|
12
|
+
|
13
|
+
|
14
|
+
|
15
|
+
以下が使用している構造です。
|
16
|
+
|
17
|
+
|
18
|
+
|
19
|
+
```python
|
20
|
+
|
21
|
+
model = Sequential()
|
22
|
+
|
23
|
+
if input == None :
|
24
|
+
|
25
|
+
model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=self.x_train.shape[1:]))
|
26
|
+
|
27
|
+
else :
|
28
|
+
|
29
|
+
model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=input))
|
30
|
+
|
31
|
+
|
32
|
+
|
33
|
+
model.add(Activation('relu'))
|
34
|
+
|
35
|
+
model.add(MaxPooling2D(pool_size=(2, 2)))
|
36
|
+
|
37
|
+
model.add(Dropout(0.25))
|
38
|
+
|
39
|
+
model.add(Convolution2D(64, 3, 3, border_mode='same'))
|
40
|
+
|
41
|
+
model.add(Activation('relu'))
|
42
|
+
|
43
|
+
model.add(Convolution2D(64, 3, 3))
|
44
|
+
|
45
|
+
model.add(MaxPooling2D(pool_size=(2, 2)))
|
46
|
+
|
47
|
+
model.add(Dropout(0.25))
|
48
|
+
|
49
|
+
model.add(Flatten())
|
50
|
+
|
51
|
+
model.add(Dense(512))
|
52
|
+
|
53
|
+
model.add(Activation('relu'))
|
54
|
+
|
55
|
+
model.add(Dropout(0.5))
|
56
|
+
|
57
|
+
model.add(Dense(self.nb_classes))
|
58
|
+
|
59
|
+
model.add(Activation('softmax'))
|
60
|
+
|
61
|
+
```
|