0

我试图使用 Keras 实现一种简单形式的 DexiNed 架构。由于 BIPED 数据集有 200 个训练图像和 50 个测试图像，我想在训练模型之前应用一些增强层。然而，当我尝试这个时，TP 和 FP 分数在 2-3 个 epoch 后变为 0，并且从未增加。当我在不使用增强的情况下进行训练时，结果证明是正确的，并且模型运行良好。为什么当我扩充数据集时这个分数会降低。

def augmentation(inputs):
    
    x = layers.experimental.preprocessing.RandomContrast((0.2,0.2))(inputs)
    x = layers.experimental.preprocessing.RandomFlip()(x)
    x = layers.experimental.preprocessing.RandomRotation(0.2, fill_mode='reflect')(x)
    x = layers.experimental.preprocessing.RandomTranslation((-0.1,0.1),(-0.1,0.1))(x)
    x = layers.experimental.preprocessing.RandomZoom((-0.2,0.2),(-0.2,0.2))(x)
    
    return x

这些是我使用的图层。我什至只尝试了 1-2 层，但结果没有改变。

这是扩充数据集后的分数

4

0 回答 0