почему увеличение данных не улучшает мою производительность (cnn)?

Question

Я относительно новичок в глубоком обучении. Я пытаюсь обучить модель CNN для классификации спектрограмм данных ЭЭГ. При применении дополнения данных модель работает хуже, чем без ... Чего мне не хватает? Обычно наша модель работает с точностью 0,84 и потерей 0,5 как для обучения, так и для проверки.

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=0,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

datagen.fit(X_train)

model.fit_generator(datagen.flow(X_train, y_train, batch_size=128), validation_data= (X_test, y_test), steps_per_epoch=len(X_train) / 32, epochs=100)

после тренировки с полученными данными

Answer 1

Этот тип увеличения данных имеет смысл, когда вы имеете дело с реальными изображениями. Смещенное или перевернутое изображение собаки по-прежнему является изображением собаки. Перевернутая спектрограмма ЭЭГ - это совершенно другой сигнал. См. здесь , чтобы узнать о методах дополнения данных, которые могут применяться в вашем случае.