如何解决使用RESNET50时,准确度不会超过13%
我正在尝试根据情感对图像进行分类。同样,我正在使用FER数据集。我正在使用Resnet进行分类。我的模型如下:
img_height,img_width = 48,48
num_classes = 7
#If imagenet weights are being loaded,#input must have a static square shape (one of (128,128),(160,160),(192,192),or (224,224))
base_model = applications.resnet50.ResNet50(weights= None,include_top=False,input_shape= (img_height,img_width,1))
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dropout(0.7)(x)
predictions = Dense(num_classes,activation= 'softmax')(x)
model = Model(inputs = base_model.input,outputs = predictions)
from keras.optimizers import SGD,Adam
# sgd = SGD(lr=lrate,momentum=0.9,decay=decay,nesterov=False)
adam = Adam(lr=0.0001)
model.compile(optimizer= adam,loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(trainX,trainY,epochs = 100,batch_size = 64)
运行此模型时,我的准确度未提高14%。有人可以引导我正确的方向来提高我的准确性吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。