как проверить, правильно ли реализована модель CNN или нет? - PullRequest
0 голосов
/ 15 марта 2020

Как мне сделать так, чтобы параметр функции модели отсева был правильным или нет?

Здесь я закодировал архитектуру CNN, но не могу подтвердить, правильно ли реализована архитектура или нет? как мне это подтвердить. Размер входных изображений - 88x128, взятый из исследовательской работы (https://ieeexplore.ieee.org/abstract/document/7550060).

Я придерживаюсь архитектуры и параметров, представленных на прилагаемом рисунке.

Архитектурный диаграмма и параметры c таблица

architectural diagram and parametric table

Текстовая информация представлена ​​на этом рисунке:

(текстовая информация)

textual information's

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
import numpy as np
import cv2
import os
from keras.preprocessing.image import ImageDataGenerator, load_img, img_to_array
from keras.layers.normalization import BatchNormalization
batch_size = 4
num_classes = 35
epochs = 40
#178, 256, 1
model = Sequential()

model.add(Conv2D(filters=96, input_shape=(128, 88, 1), kernel_size=(18, 18), strides=1, activation='relu', padding='valid'))
model.add(MaxPooling2D(pool_size=(2, 2), strides=2))
model.add(BatchNormalization())

model.add(Conv2D(filters=96, kernel_size=(45, 45), strides=1, activation='relu', padding='valid'))
model.add(MaxPooling2D(pool_size=(3, 3), strides=2))
model.add(BatchNormalization())
model.add(Flatten())

model.add(Dense(1024))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.summary()

1 Ответ

0 голосов
/ 15 марта 2020

Попробуйте воспроизвести результат статьи. Если результаты не совпадают (или отличаются друг от друга с огромным отрывом), то вы должны рассматривать вашу реализацию как неправильную.

...