[問題] 該如何在CNN使用unlabeled data?

[Xuan3716 (蛋)]

作業系統：Win10
問題類別：CNN
使用工具：python
問題內容：
各位版友好，小弟是深度學習的新手，目前正在學習如何使用CNN辨識圖片中的衣物是哪種款式，
現在使用tensorflow.keras 模型為VGG16，單純只使用train data的準確率只有0.76，這個
成績非常不理想，雖然有額外的unlabeled data，約為5000張的圖片，但是不知道怎麼從co
de下手，實際運用在程式裡。所以想請教各位前輩，指點一下小弟，謝謝。
----
Sent from BePTT on my iPhone 12

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.82.180 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1640010140.A.935.html
※ 編輯: Xuan3716 (140.112.38.189 臺灣), 12/20/2021 22:34:03
推 jigfopsda: 建議先換 efficientnet 或 nfnet 或其他最近的 model
推 yoyololicon: 你想做semi-supervised，unsupervised learning?
→ Xuan3716: 目前只用到知道答案的train data，我想做semi-surpervis
→ Xuan3716: ed learning。
→ Xuan3716: 如果想再增加7%的準確率，只能換一個model了嗎？謝謝各
→ Xuan3716: 位前輩。
→ jigfopsda: 可能有其他方法，不過換 model 最快吧！我看 keras 也
→ jigfopsda: 有內建 efficientnet
→ jigfopsda: https://keras.io/api/applications/efficientnet/
→ chang1248w: 你原本的資料集多大？
→ chang1248w: 有做 argumentation?
→ chang1248w: 最簡單的方法是用預訓練的模型幫所有資料編碼，再用k
→ chang1248w: nn之類的算法以標籤過的數據幫沒有標籤過的數據上標
→ chang1248w: 籤，最後用這些標籤訓練模型
→ chang1248w: 近期一點的可以先用所有資料做語義的自回歸模型，再
→ chang1248w: 用標籤訓練任務模型
→ Xuan3716: Train data有9279筆，test data 有2800筆，unlabeled
→ Xuan3716: data有5277筆。
→ chang1248w: 不無小補
→ Xuan3716: 謝謝各位前輩！
推 TuCH: 才5000張 我的建議是直接label
→ TuCH: 1張5秒 25000秒 約8小時