我正在做一个关于腹侧流前馈通路的项目，我有 6 个图像要在 InferoTemporal 层识别。
请有人给我图像的示例，向我展示训练图像和测试图像之间的区别。那么我应该在包含我的训练图像的文件夹中添加什么？我是否应该添加另一个包含测试图像列表的文件夹？如果是，这些测试图像应该是什么？
训练图像必须包含要分析或识别的图像，而测试图像必须包含内存中的图像吗？换句话说，如果我们有例如 16 个训练人脸和一两个测试人脸。那么我们应该分析一下，训练中的人脸对应于测试中的人脸是什么？真的吗 ？？
注意：我不需要代码，我只是想简要解释一下测试图像和训练图像之间的区别。
任何帮助将不胜感激。
训练图像和测试图像之间的唯一区别是，测试图像不用于选择模型参数。每个模型都有一些适合数据的参数、变量。这称为训练过程。训练/测试集分离确保您的模型（算法）实际上可以做更多的事情，而不仅仅是记忆图像 - 因此您可以在训练阶段未使用的测试图像上对其进行测试。
已经在 SO 上详细讨论过：在神经网络中训练、验证和测试集之间有什么区别？
在 HMAX 中，您使用输入图像层的所有数据。以及所有它们上的 garbor 过滤器、最大池化、径向基核函数。只有在 C2 层，您才开始训练图像的子集（主要使用基于线性核的 SVM）。该子集设置为训练数据。其余的都是测试数据。总之，训练图像首先用于构建 SVM，然后使用多数投票法将测试图像分配给数字类。
但这实际上是等价的，因为您首先将训练图像放在图像层。在所有层都经过之后，您将测试图像放在图像层以重新启动以进行识别。由于训练和测试图像都需要缩放，并且在 C2 之前的前几层的所有操作都是相同的，因此您只需在开始时将它们完全混合。
虽然你在图像层使用了所有的训练和测试图像，但你仍然需要对数据进行洗牌，并挑选其中一些作为训练，其他作为测试。