Comments 8
Сравнительный анализ без результатов?
В конце опишите хотя бы коротко что за задача у вас была, какую точность достигли, какие размерности сети попробовали, какая скорость обучения (число эпох, время) и запуска у каждой нейросети. Хотя бы коротко.
Изначально я планировал просто поделиться самими нейросетями, так как рассчитывал, что людям будут интересны только техническая сторона. В следующий раз учту. Спасибо за комментарий.
P.S. Исправил. Можете посмотреть результаты. Если что-то не так, то лучше скажите, чтобы статьи становились лучше. Заранее спасибо.
Приведите, пожалуйста, результаты инференса моделей
является явным признаком переобучения
Я понимаю, что сейчас считается немодным менять параметры слоёв (число блоков, число каналов и т.п.). Но в вашем случае это просто напрашивается. Или хотя бы dropout попытаться подобрать. Судя по всему нейросети слишком "жирные". Но начать с аугментации обучающих данных нужно.
Для второго набора данных это особенно актуально.
Скорее проблема в изображениях. Все кубики являются внешне идентичными, оттого модель может путаться. Опять же, это нужно и доказать, но пока решение, которое появилось в голове- добавить различный и несложный орнамент на поверхность каждого кубика, чтобы различие между каждым классом было более заметным. Посмотрим что из этого выйдет.
Мы видим, что точность на тренировке растёт, а точность на тесте стоит на месте - явный признак переобучения. "добавить различный и несложный орнамент" - если есть возможность, то почему бы нет? Должно помочь. Но тут нужно помнить, что чем больше и сложнее нейросеть, тем больше нужно примеров, что бы нейросеть не свалилась в переобучение. Лет 20 назад было эмпирическое правило - на каждую нейронную связь 10 обучающих примеров (это с некоторым запасом).
Нейросети для семантической сегментации: U-Net, LinkNet, PSPNet