當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

真正决定分辨准确率的是图片重叠的区域

發布時間：2025/4/5 编程问答 30 豆豆

生活随笔收集整理的這篇文章主要介紹了真正决定分辨准确率的是图片重叠的区域小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

只保留圖片重疊的區域來用來訓練神經網絡，網絡的分辨準確率是應該上升還是下降？

比如訓練一個分類mnist0和5的二分類網絡

?	?	?	0	?	?	?	?	?	?	?	?	?	?	5	?	?	?	?	?
?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0	0	0	0.01	0.02	0	0	0	0	?	?	0	0	0	0	0	0	0.11	0	0
0	0	0	0	0	0.03	0.09	0.07	0	?	?	0	0	0	0	0	0	0	0.13	0
0	0	0	0.86	0.55	0.36	1	0.04	0	?	?	0	0	0	0	0	0	0.33	0.59	0
0.02	0.01	0	0.72	0.05	0	0.12	0.94	0	?	?	0.05	0.02	0.07	0.05	0.83	0.89	0.01	1	0
0	0.05	0.73	0	0.04	0.02	0	1	0	?	?	0.02	0	0.05	0.96	0.94	0.87	0.04	1	0
0	0.01	0.76	0.96	0	0.05	0.05	0.83	0	?	?	0.01	0.06	0.95	0.66	0.05	0.95	0.1	1	0
0.04	0.04	0.03	1	0.91	0.06	0.09	0.93	0	?	?	0.02	0.04	1	0.11	0.1	0.66	1	0.68	0
0.07	0	0	0.91	0.39	0.15	0.89	0.93	0	?	?	0.02	0.05	0.67	0	0	0.02	0.07	0.01	0
0	0	0	0	0	0	0	0	0	?	?	0	0	0	0	0	0	0	0	0

將圖片從28*28處理成9*9，是每3個點取1個點。然后只保留兩張圖片重疊的區域

?	?	?	0	處理后		?	?	?	?	?	?	?	?	5	處理后		?	?	?
0	0	0	0	0	0	0	0	0	?	?	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0.07	0	?	?	0	0	0	0	0	0	0	0.13	0
0	0	0	0	0	0	1	0.04	0	?	?	0	0	0	0	0	0	0.33	0.59	0
0.02	0.01	0	0.72	0.05	0	0.12	0.94	0	?	?	0.05	0.02	0	0.05	0.83	0	0.01	1	0
0	0	0.73	0	0.04	0.02	0	1	0	?	?	0	0	0.05	0	0.94	0.87	0.04	1	0
0	0.01	0.76	0.96	0	0.05	0.05	0.83	0	?	?	0	0.06	0.95	0.66	0	0.95	0.1	1	0
0.04	0.04	0.03	1	0.91	0.06	0.09	0.93	0	?	?	0.02	0.04	1	0.11	0.1	0.66	1	0.68	0
0.07	0	0	0	0	0.15	0.89	0.93	0	?	?	0.02	0	0	0	0	0.02	0.07	0.01	0
0	0	0	0	0	0	0	0	0	?	?	0	0	0	0	0	0	0	0	0

處理后的效果如圖。

剩余的4999組圖片用同樣的辦法處理。用處理后的數據去訓練網絡，但測試集不變。

比較方法同樣是用固定收斂標準多次測量取平均值的辦法。

網絡結構是

（mnist 0,mnist5）-81*30*2-(1,0)(0,1)

網絡沒有用卷積核，每個收斂標準計算199次。

比較正常輸入訓練的結果和經過重疊處理的結果

?	正常	重疊	?	正常	重疊	?	正常	重疊	?	正常	重疊	?
?	?	?	?	?	?	?	?	?	?	?	?	?
δ	迭代次數n	迭代次數n	?	平均準確率p-ave	平均準確率p-ave		耗時 min/199	耗時 min/199		最大值p-max	最大值p-max
0.5	10.37688	8.954773869	0.862954	0.524822	0.513655	0.978722	0.05835	0.05905	1.011997	0.842415	0.747329	0.887127
0.4	260.804	500.9447236	1.920771	0.809037	0.802219	0.991572	0.0718	0.085817	1.195218	0.9375	0.956197	1.019943
0.3	342.5025	632.6633166	1.847179	0.903154	0.927125	1.026542	0.08035	0.096383	1.199544	0.94391	0.959936	1.016978
0.2	446.2211	731.8291457	1.640059	0.938246	0.950291	1.012837	0.08215	0.107383	1.307162	0.953526	0.966346	1.013445
0.1	545.2814	928.321608	1.702463	0.962159	0.955109	0.992674	0.0899	0.11475	1.276418	0.96688	0.963675	0.996685
0.01	858.794	1554.60804	1.810222	0.965648	0.963613	0.997893	0.116267	0.151117	1.299742	0.969551	0.96688	0.997245
0.001	1503.749	2944	1.957774	0.972279	0.972907	1.000646	0.1503	0.238017	1.583611	0.97703	0.974893	0.997813
9.00E-04	1570.111	2944	1.875027	0.972939	0.972695	0.999749	0.149817	0.232317	1.550673	0.978098	0.974359	0.996177
8.00E-04	1651.859	2944	1.782234	0.97324	0.972818	0.999567	0.158333	0.23075	1.457368	0.978098	0.974359	0.996177
7.00E-04	1721.397	2949.346734	1.713345	0.972977	0.972797	0.999815	0.16385	0.2321	1.41654	0.977564	0.974359	0.996721
6.00E-04	1791.035	2971.286432	1.658977	0.972252	0.972713	1.000475	0.168033	0.234433	1.39516	0.97703	0.974359	0.997266
5.00E-04	1852.794	3022.080402	1.631094	0.971575	0.972407	1.000856	0.1692	0.234	1.382979	0.97703	0.974893	0.997813
4.00E-04	2008.945	3306.170854	1.645725	0.971989	0.970907	0.998887	0.184333	0.2555	1.386076	0.978632	0.975427	0.996725
3.00E-04	2421.176	4384.321608	1.810823	0.974523	0.970818	0.996199	0.212933	0.341933	1.605823	0.980235	0.983974	1.003815
2.00E-04	2884.171	10441.28643	3.620204	0.978678	0.975862	0.997123	0.237933	0.697983	2.933525	0.981838	0.986645	1.004897
1.00E-04	3701.739	18356.21106	4.958808	0.978772	0.984849	1.006209	0.28295	1.208383	4.27066	0.980769	0.986645	1.005991
9.00E-05	3804.09	18591.38191	4.887208	0.978769	0.984519	1.005875	0.2906	1.384117	4.762962	0.980769	0.987179	1.006536
8.00E-05	4102.754	19038.83417	4.640501	0.978514	0.984286	1.005898	0.309067	1.4335	4.638158	0.981303	0.987714	1.006532
7.00E-05	4245.648	19696.58291	4.63924	0.978772	0.984353	1.005702	0.3175	1.44435	4.549134	0.981303	0.987714	1.006532
6.00E-05	4405.829	20854.70854	4.733436	0.978224	0.98453	1.006446	-1.84253	1.528483	-0.82956	0.981838	0.987714	1.005985
5.00E-05	4542.523	22543.76382	4.962829	0.976547	0.984514	1.008159	0.346	1.621517	4.686464	0.981838	0.988248	1.006529
4.00E-05	4640.01	25131.43216	5.416245	0.974501	0.985435	1.011219	0.331	1.7829	5.386405	0.981303	0.988248	1.007077
3.00E-05	4650	29251.83417	6.290717	0.974077	0.985861	1.012098	0.331617	2.065017	6.22712	0.975962	0.988248	1.012589
2.00E-05	4692.864	35816.31156	7.632079	0.974281	0.985386	1.011398	0.333417	2.42425	7.270932	0.979167	0.989316	1.010366
1.00E-05	5420.995	50387.91457	9.294957	0.97594	0.98526	1.00955	0.377167	3.283667	8.706142	0.981303	0.990385	1.009254
?	?	?	?	?	?	?	?	?	?	?	?	?
?	?	?	5.745602	?	?	1.008255	?	?	4.966842	?	?	1.007739

對比1e-4>=δ>=1e-5的區間

平均準確率上升0.8%，代價是耗時是原來的約5倍。因為將不重疊的區域去掉后分類性能是上升的，因此這個實驗證明圖片中重疊的區域才是決定分類性能的關鍵，而不重疊的區域事實上只是干擾。

重疊	05	無核	?	?	?	?	?	?
?	?	?	?	?	?	?	?	?
f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max
0.500595	0.500735	8.954774	0.513655	0.5	17.79899	3543	0.05905	0.747329
0.539992	0.460466	500.9447	0.802219	0.4	25.86935	5149	0.085817	0.956197
0.581046	0.419118	632.6633	0.927125	0.3	28.9799	5783	0.096383	0.959936
0.479588	0.521407	731.8291	0.950291	0.2	32.36683	6443	0.107383	0.966346
0.796647	0.203773	928.3216	0.955109	0.1	34.57286	6885	0.11475	0.963675
0.013561	0.986429	1554.608	0.963613	0.01	45.54774	9067	0.151117	0.96688
4.68E-04	0.999533	2944	0.972907	0.001	71.74372	14281	0.238017	0.974893
4.65E-04	0.999536	2944	0.972695	9.00E-04	70.01005	13939	0.232317	0.974359
4.57E-04	0.999544	2944	0.972818	8.00E-04	69.50251	13845	0.23075	0.974359
4.64E-04	0.999537	2949.347	0.972797	7.00E-04	69.92462	13926	0.2321	0.974359
4.52E-04	0.999549	2971.286	0.972713	6.00E-04	70.63819	14066	0.234433	0.974359
4.11E-04	0.999589	3022.08	0.972407	5.00E-04	70.50754	14040	0.234	0.974893
3.07E-04	0.999694	3306.171	0.970907	4.00E-04	77.00503	15330	0.2555	0.975427
0.020341	0.979659	4384.322	0.970818	3.00E-04	103.0704	20516	0.341933	0.983974
0.241295	0.758705	10441.29	0.975862	2.00E-04	210.4322	41879	0.697983	0.986645
0.20105	0.79895	18356.21	0.984849	1.00E-04	364.2563	72503	1.208383	0.986645
0.226167	0.773833	18591.38	0.984519	9.00E-05	417.3116	83047	1.384117	0.987179
0.271384	0.728616	19038.83	0.984286	8.00E-05	432.206	86010	1.4335	0.987714
0.150792	0.849208	19696.58	0.984353	7.00E-05	435.4422	86661	1.44435	0.987714
0.15581	0.84419	20854.71	0.98453	6.00E-05	460.8291	91709	1.528483	0.987714
0.296499	0.703501	22543.76	0.984514	5.00E-05	488.8995	97291	1.621517	0.988248
0.527639	0.472361	25131.43	0.985435	4.00E-05	537.5578	106974	1.7829	0.988248
0.728633	0.271367	29251.83	0.985861	3.00E-05	622.5377	123901	2.065017	0.988248
0.834161	0.165839	35816.31	0.985386	2.00E-05	730.8894	145455	2.42425	0.989316
0.899491	0.100509	50387.91	0.98526	1.00E-05	990.0101	197020	3.283667	0.990385

正常	05	無核	?	?	?	?	?	?
?	?	?	?	?	?	?	?	?
f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max
0.500303	0.499717	10.37688	0.524822	0.5	17.58794	3501	0.05835	0.842415
0.579083	0.42149	260.804	0.809037	0.4	21.57286	4308	0.0718	0.9375
0.562925	0.437137	342.5025	0.903154	0.3	24.19095	4821	0.08035	0.94391
0.716773	0.283868	446.2211	0.938246	0.2	24.76884	4929	0.08215	0.953526
0.158165	0.842016	545.2814	0.962159	0.1	27.09548	5394	0.0899	0.96688
0.09662	0.903382	858.794	0.965648	0.01	34.9196	6976	0.116267	0.969551
8.28E-04	0.99917	1503.749	0.972279	0.001	45.31658	9018	0.1503	0.97703
7.50E-04	0.99925	1570.111	0.972939	9.00E-04	45	8989	0.149817	0.978098
6.33E-04	0.999366	1651.859	0.97324	8.00E-04	47.73367	9500	0.158333	0.978098
5.23E-04	0.999478	1721.397	0.972977	7.00E-04	49.38191	9831	0.16385	0.977564
4.21E-04	0.999578	1791.035	0.972252	6.00E-04	50.66332	10082	0.168033	0.97703
3.52E-04	0.999648	1852.794	0.971575	5.00E-04	50.92462	10152	0.1692	0.97703
3.23E-04	0.999677	2008.945	0.971989	4.00E-04	55.47739	11060	0.184333	0.978632
2.59E-04	0.99974	2421.176	0.974523	3.00E-04	64.18593	12776	0.212933	0.980235
1.58E-04	0.999841	2884.171	0.978678	2.00E-04	71.72362	14276	0.237933	0.981838
8.69E-05	0.999913	3701.739	0.978772	1.00E-04	85.30653	16977	0.28295	0.980769
7.88E-05	0.999921	3804.09	0.978769	9.00E-05	87.58794	17436	0.2906	0.980769
6.85E-05	0.999932	4102.754	0.978514	8.00E-05	93.0201	18544	0.309067	0.981303
5.70E-05	0.999943	4245.648	0.978772	7.00E-05	95.71859	19050	0.3175	0.981303
4.35E-05	0.999957	4405.829	0.978224	6.00E-05	-555.543	-110552	-1.84253	0.981838
2.58E-05	0.999974	4542.523	0.976547	5.00E-05	104.3116	20760	0.346	0.981838
1.27E-05	0.999987	4640.01	0.974501	4.00E-05	99.76884	19860	0.331	0.981303
1.05E-05	0.999989	4650	0.974077	3.00E-05	99.9397	19897	0.331617	0.975962
1.07E-05	0.999989	4692.864	0.974281	2.00E-05	100.4171	20005	0.333417	0.979167
7.21E-06	0.999993	5420.995	0.97594	1.00E-05	113.6985	22630	0.377167	0.981303

總結

以上是生活随笔為你收集整理的真正决定分辨准确率的是图片重叠的区域的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：银行预约还款需要多久
下一篇：实验：是否图片的重叠区域携带了决定分类的