Caffe测试集分类结果相同，全部为最后一类

最新推荐文章于 2025-04-11 15:06:05 发布
原创 最新推荐文章于 2025-04-11 15:06:05 发布 · 2k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Caffe测试结果相同 #全部为最后一类 #二分类 #初始化

本文探讨了Caffe模型在测试集上出现分类结果单一的现象，即所有预测均为最后一类的问题。分析发现，原因是网络的第一个卷积层未正确初始化。通过采用“xavier”初始化权重和常量0初始化偏置，有效解决了该问题。

现象说明

目标：二分类，训练过程中验证集准确率比较高。训练完成之后对测试集进行测试，测试结果中的类别全部为1(最后一类)。
Caffe测试集分类结果相同，全部为最后一类

原因及解决方案

原因：没有对网络的第一个卷积层进行初始化。下图是原来网络第一个卷积层的参数。
在这里插入图片描述
解决方案：将第一个卷积层权重初始化为“xavier”，偏置初始化为常量0。
在这里插入图片描述

caffe图像分类时，训练的模型准确率很高，而单张图片测试时准确率很低
w_q_q2017的博客
04-30 3685
做了好长的时间的图像分类，用caffe训练的模型正确率很高，但是用单张图片进行测试识别时，效果特别差，检测的出来的几乎都是同一类，查了一些资料，终于找到了解决办法。 原因1：如果训练用了GPU，那么测试的时候也要注意用GPU 原因2：注意测试图片的读取格式。 我就是错在了这里，参考的博客https://blog.youkuaiyun.com/u013841196/article/details/7279...
[超详细]在caffe上用alexnet做汉字分类识别
luolan9611的博客
03-19 2696
前情提要：在网上找了一类验证码图片，对验证码进行处理后分割得到其上的汉字。在此基础上用alexnet对分割得到的汉字训练识别，测试识别的准确率。由于找的验证码数量不够，所以仿照原验证码类型生成了一波验证码数据。 （先把整个流程纲要和代码部分贴出来，后续的所有截图等我这两天整理好再补充上来。） ----2018.3.19 本文结构： 1.数据准备、制作lmdb数据集 ...
caffe训练模型后，使用模型测试的分类结果全部都是相同的
ITSophia的专栏
09-13 6805
从训练的输出可以看出，accuracy非常低，loss一直不收敛，所以使用这个训练出来的模型的分类结果都一样，因为训练过程中，机器根本没有学到东西~~ 两种原因： 1、网络结构参数不对或者缺少   2、数据量太少 我使用了相同的网络去训练不同量的数据，10000+数据迭代10000次的效果好了很多，5000的数据量迭代4000次就没学到东西~
caffe测试同样的测试集，单次测试结果为同一类，并且每次测试结果不同
GL3_24的博客
05-13 1469
情况说明 1.我用GoogLeNet网络训练一个二分类任务，在第一次测试的时候发现所有的0全都判成了1，所有的1全都判成了0，感觉这种情况也太扯了，是不是在测试代码classification.cpp中最后保存判断出错图像的代码写错了，然后开始进行检查，发现并没有错，读取测试集中的0文件夹时，保存的是测试结果为0的结果，读取测试集中的1文件夹时，保存的是测试结果为1的结果。 2.后来第二天又进行了...
caffe分类输出概率都一样！怎么办！
MrKawuyi的博客
05-27 3486
最近，由于工作的需要，要使用Caffe做深度学习分类。从安装，到调试，再到走通真是好费周折。好不容易能够做分类了，结果不论输入什么图片，输出的各个类别的概率都是一样的。刚开始，我以为是输入到网络里的数据在哪里出问题了，于是将这些数据转换成图片,果不其然。原来，我在使用多通道的时候用了GDAL读取数据，在重新组织数据的时候参考了网上的一篇微博，读出的数据居然是有问题的。好郁闷！于是我又自己重新写了相...
python神经网络分类_Python tf神经网络二分类，最后结果都是一样的
weixin_39886612的博客
12-05 744
神经网络input是140个样本 1296维度的特征值，label前60是[1.0, 0.0] 后面是[0.0, 1.0]，想来实现二分类，可是我用softmax交叉熵+L2正则化，训练出来的output全是一个相同的1*2矩阵。有没有大神可以看出来错在哪里 T_Txs = tf.placeholder(tf.float32,shape=(None, 36*36))ys = tf.placeho...
caffe-cifar100数据集
12-26
4. **创建LMDB数据库**：将预处理后的图像和标签数据写入LMDB文件，分别对应训练集和测试集，这里我们看到的“cifar100_train_lmdb”和“cifar100_test_lmdb”就是这两个数据库。 5. **配置Caffe模型**：最后，需要...
CAFFE.zip_caffe_caffe 批量测试_fcn_fcn caffe python_fcn 批量
07-15
在IT行业中，尤其是在深度学习领域，Caffe是一个广泛使用的开源框架，它专为速度和效率而设计。FCN，全称为全卷积网络（Fully Convolutional Network），是一种用于图像语义分割的深度学习模型。这个"CAFFE.zip_...
深度学习实战：Caffe五分类训练与测试图解
在进行模型训练之前，需要先对数据集进行划分，划分成训练集和测试集，本知识点将围绕如何利用Caffe框架完成5类数据集的训练和测试的流程进行详细说明。 首先，Caffe的训练和测试过程可以概括为以下几个步骤： 1. ...
Caffe实现多标签图像分类（2）——基于Python接口实现多标签图像分类（自己的数据集）
澎湃de家夥的博客
11-18 1947
1.前言 上一篇博客介绍了一个Caffe自带的例子，使用Python接口实现多标签数据的输入，通过SigmoidCrossEntropy Loss函数实现Caffe多标签分类。实现多标签分类的关键是实现多标签图像数据的录入，这篇博客介绍如何为自己的数据集定制一个基于Python的多标签图像数据输入的data层。 2.数据集 本文选用多标签数据集Corel5k用于实验，平均每幅图像含有3.5个...
caffemodel做分类所有类别得分一样的解决办法
wo4691205的博客
04-19 1406
caffemodel做分类所有类别得分一样的解决办法最近使用MATLAB调用caffemodel做分类时，遇到一个问题，不管用哪一张图片做测试，得到的分类结果是一样的，每一类的得分也是一样的，都是1/n.另外，caffe训练时若加入accuracy层，会报错check failed：label_value < num_values.在这个问题上卡了好几天，终于找到解决办法：将标签文件的标签从1，2…
caffe测试集分类类别完全一样，得分也一样
GL3_24的博客
05-24 1348
今天训练了SE-ResNet，任务是二分类。 训练 训练完成后的loss曲线为： 有曲线图可知，train_loss整体都在0.207左右，test_loss整体都在0.68-0.695之间。这样的loss曲线可以证明没有训好，根本没有学到东西（这是训的什么玩意儿！！！），这个特征感觉应该是那部分出错了，不过目前我还没有发现，发现后再更新原因及解决方案。。。。。。 测试 这里重点说一下测试的现...
深度学习分类分到同一个类
weixin_43299529的博客
12-09 3676
深度学习全被分为一个类 最近用卷积做了一个图片数据的五分类，测试数据集还算怕平衡，但是测试结果很不理想，全部分为了一个类，我反复修改了几次，发现只要有一个类数据多一点，就会被分为那个类。如下图，很悲伤 后来经过我反复的实验找到解决方法： 一、看看自己是不是卷积的层数太多，深度学习并不是卷积层数越多越好 二、是不是epoch太小，把它设置大一些，给网络充分的学习时间，耐心等待，可能前几个epoch结果不好，但慢慢会有惊喜的 顺便说一句，如果你发现测试的epoch不变，说明就是全都分为了一个类，解决方法同上
Caffe模型测试之分类错误分析
qq_34138163的博客
06-01 2428
本文主要是对我自己在caffe下训练自己的数据后，得到的模型进行测试，发现分类有严重的错误，即分类偏向于另外的几类，而且识别率比验证时的还要低许多。 一、错误描述 引言 我最近在做一个声音识别的实验，利用深度学习框架caffe来对自己收集来的声音进行分类训练，即构建一个分类器。在经过训练后，必然需要对训练出的模型进行测试，但测试后发现识别的结果是：有几类的数据大多数被识别成其他的
模型训练时测试集上正确率大于训练集
m0_52910424的博客
11-02 6886
数据集切分的时候不均匀，也就是说训练集和测试集的分布不均匀，如果模型能够正确地捕捉到数据内部的分布模式的话，就有可能造成训练集的内部方差大于验证集，会造成训练集的误差更大，这个时候就需要重新划分数据集，使其分布一样。训练集的准确率是每个batch之后产生的，而验证集的准确率一般是一个epoch后产生的，验证时的模型是训练一个个batch之后的，有一个滞后性，可以说就是用训练得差不多的模型用来验证，当然准确率要高一点。因此，模型在训练集上有着更好的表现，才应该是正常的现象。
深度学习之图像分类（十一）MobileNetV2详解
m0_46521375的博客
10-13 4940
在本文中，我们描述了一种新的移动架构MobileNetV2，它提高了移动模型在多个任务和基准测试以及不同模型大小范围内的最新性能。我们还描述了在一个我们称之为SSDLite的新框架中将这些移动模型应用于对象检测的有效方法。此外，我们演示了如何通过DeepLabv3的简化形式构建移动语义分割模型，我们称之为Mobile DeepLabv3。基于逆残差结构，其中残差链接位于薄瓶颈层之间。中间扩展层使用轻量级深度卷积来过滤作为非线性来源的特征。此外，我们发现，为了保持代表性，消除窄层中的非线性是很重要的。
mmdetection 测试结果:mAP(AR)(medium) and mAP(AR) (large) =-1 的解决办法
Wang9843426的博客
05-18 4839
mmdetection 测试结果:mAP(AR)(medium) and mAP(AR) (large) =-1 的解决办法 问题描述： mmdetection 测试结果显示如下： Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.456 Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=1000 ] = 0.759 Averag
【训练记录】detr训练问题
最新发布
SUM_MER23的博客
04-11 213
另：做的是医学图像，尝试修改cocdataset直接读入，train成功val失败，尚未处理，选择转为别的格式。期间参考了MedYOLO的dataset.py。
LSTM模型在测试集上的输出全都是一样的怎么办
YG的博客
09-10 4144
为什么LSTM模型在测试集上的输出全都是一样的？ 答：输入的幅值太大了！！把输入幅度缩放到0到1里去！！！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值