回答編集履歴
2
情報の更新と日本語の修正
test
CHANGED
|
@@ -1,4 +1,4 @@
|
|
|
1
|
-
ニューラルネットワークで認識できる画像サイズ（入力値）は、普通大きくても256x256や128x128、小さければ32x32くらいです。中国のどこかの企業が昔やっていましたが512x512もできなくはないですが、負荷が巨大になる割に対して認識性能が上がらない、という結論があったと思います。
|
|
1
|
+
ニューラルネットワークで認識できる画像サイズ（入力値）は、普通大きくても256x256や128x128、小さければ32x32くらいです。[百度~~中国のどこかの企業~~が昔やっていましたが512x512もできなくはない](https://arxiv.org/vc/arxiv/papers/1501/1501.02876v1.pdf)ですが、負荷が巨大になる割に、対して認識性能が上がらない（コスト対効果が見合わない）、という結論（先の百度の論文ではない別のところです）があったと思います。
|
|
2
2
|
|
|
3
3
|
|
|
4
4
|
|
1
test
CHANGED
|
@@ -3,3 +3,7 @@
|
|
|
3
3
|
|
|
4
4
|
|
|
5
5
|
さらに、掲載のコードは[リファレンスのコード](https://keras.io/ja/getting-started/sequential-model-guide/)とよく似ていますので、元画像をimg=cv2.resize(img,(100,100))くらいに縮めればそこそこ認識できるものと思います。もし認識率が悪ければ既存のネットワーク構造と重みを流用してください。
|
|
6
|
+
|
|
7
|
+
|
|
8
|
+
|
|
9
|
+
これでだめならバッチサイズを今の1/2に減らすことを繰り返していけば普通は走るはずです。
|