推 supremexiii: 直覺是想調整filter大小,不過好像行不通 05/16 20:28
我曾經有訓練到可以抓到每個類別,那時只有資料數量用較少, 但是之後都train不出來一樣的結果,感覺也是要看運氣@@
→ wtchen: 調整filter大小+dropout或搭配residual connection 05/16 20:39
→ supremexiii: 對資料upscale或downscale不知道行不行 05/16 20:52
→ polie4523: 我把輸入大小從1024改為299並且增加訓練照片到各類別25 05/17 17:26
→ polie4523: 2張,訓練有到100趴,驗證93.8趴,看cam發現只有單一類 05/17 17:26
→ polie4523: 別有抓到真特徵而且該類別準確率比較高,感覺好像把沒 05/17 17:26
→ polie4523: 抓到的特徵的類別增加照片就行? 05/17 17:26
→ polie4523: 之後會試試調整filter大小,現在在學怎麼改XD 05/17 17:28
※ 編輯: polie4523 (140.115.200.74 臺灣), 05/17/2021 17:33:14
→ followwar: 先想想你的CAM作法真的能看出CNN做了什麼嗎? (笑) 05/18 22:59
我的cam做法是將經過gap後對應某類別的全連接層權重個別乘上最後的特徵圖再相加,對它的認知就是查看哪個部分對最後輸出的影響大。小弟我才疏學淺想了一個下午還是沒辦法理解f大意思@@但我可以接受不要全盤接受cam的說法,只是不知道該怎麼直觀的解釋,感覺是因為最後的特徵圖不代表整個cnn學到的特徵?
→ followwar: 不要太一廂情願的覺得CAM一定對 05/18 23:00
→ yoyololicon: 意見同上 然後你資料太少維度太高 05/18 23:21
→ yoyololicon: 先全部downsample到64x64甚至32x32再試試 05/18 23:22
※ 編輯: polie4523 (112.78.74.199 臺灣), 05/20/2021 00:27:49
→ followwar: 你可以參考一下 Grad-CAM Score-CAM 之類的文章 05/21 14:22