به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

0 امتیاز

سلام
من یک دیتاست نزدیک به 20هزار تصویر دارم که تو 10تا کلاس طبقه بندی شدن .20درصد تصویر رو برای validation و 20 درصد رو هم برای test جدا میکنم و مابقی برای train، وقتی با معماری VGG16 رو اون train میکنم. در نهایت نتیجه رو تویconfusion matrix دقت 98 درصدی میده.

پس از اون به تمامی تصاویر دیتاست نویز(اعم از test وvalidation و train ) بسیار زیاد میدم و دوباره تیرن میکنم ولی باز هم دقتی نزدیک به 98 درصد میده.

خواستم بدونم که نویز دادن به تصاویر توی ترینینگ تاثیری نداره کلا ؟

سوال شده توسط (100 امتیاز)

1 پاسخ

+2 امتیاز

سلام
یک سوال دو تا دیتا تست (یکی نویزی و یکی بی نویز) رو به مدل اول دادین و دقت گرفتین؟ فک کنیم اینطور مقایسه صحیح باشه
در حدی که من میدونم با نویز ترین کردن شبکه رو نسبت به نویز مقاوم میکنه در ضمن یکجور روش agumet هم هست

پاسخ داده شده توسط (410 امتیاز)
...