CNN模型预测

Posted 2023-03-12

【中文标题】CNN模型预测

【英文标题】：Prediction on CNN model

【发布时间】：2018-12-13 23:45:30

【问题描述】：

我正在尝试做一个模型来识别一个人类运动。我的活动是识别一个正在抓的人。我已经有大约 260 个正确动作的记录，并且我用标签“catch”和“nothing”注释了该文件来训练我的模型。我还有一个文件，这个文件也有注释，只是为了测试模型的准确性。

我正在使用基于 site 的 CNN 模型。我将窗口大小修改为 400（相当于 4s 的记录） 所以在训练我的模型之后，我得到了这个结果（我的模型被保存并且已经从以前的记录中训练过，这就是为什么它在第一个 epoch 中给出了很好的结果）：

Epoch:  0  Training Loss:  0.5428493594505138  Training Accuracy:  0.99394274

Epoch:  1  Training Loss:  0.5227164919283446  Training Accuracy:  0.99394274

Epoch:  2  Training Loss:  0.5037865922760709  Training Accuracy:  0.99449337

Epoch:  3  Training Loss:  0.4860136515261339  Training Accuracy:  0.99614537

测试精度：0.5686275

我要训练的代码是：

for epoch in range(training_epochs):
        cost_history = np.empty(shape=[1], dtype=float)
        for b in range(total_batchs):
            offset = (b * batch_size) % (train_y.shape[0] - batch_size)
            batch_x = train_x[offset:(offset + batch_size), :, :, :]
            batch_y = train_y[offset:(offset + batch_size), :]
            _, c = session.run([optimizer, loss], feed_dict=X: batch_x, Y: batch_y)
            cost_history = np.append(cost_history, c)
            print("Epoch: ", epoch, " Training Loss: ", np.mean(cost_history), " Training Accuracy: ",                session.run(accuracy, feed_dict=X: train_x, Y: train_y))
        print("Testing Accuracy:", session.run(accuracy, feed_dict=X: test_input, Y: test_labels))

在那之后，我想预测一些结果：

prediction = session.run(y_, feed_dict=X: predict_input)

但结果是：

[[7.6319778e-04 9.9923682e-01]

 [3.3351363e-04 9.9966645e-01]

 [2.5510782e-04 9.9974483e-01]

...

 [2.5133172e-04 9.9974865e-01]

 [2.4705922e-04 9.9975294e-01]

 [3.0652966e-04 9.9969351e-01]

 [1.5634180e-04 9.9984360e-01]]

手头的问题：

我做错了吗？ 预测值不应该是更高的值，例如 [0.80 0.20]？ 窗口大小用400好不好？ 在预测中，每一行都对应一个窗口大小的数据，对吗？

【问题讨论】：

这可以通过 OpenCV 和图像比较来完成吗？这听起来类似于面部识别。

我不能使用图像或类似的东西，因为我只能使用 Axivity。 Axivity 只是一个传感器，它有一个加速度计来记录数据，然后我们在模型上使用这些数据

我在这里没有看到问题 - 所有值 都是 在 范围。

是的，没错@jkm。但是值必须更高还是不更高？像 0.80 , 0.20 没有？

在我看来，您的值是 0.007 和 0.993 或该量级的值 - 那么您所说的更高究竟是什么意思，因为总和始终为 1。所以如果一个变得更高，另一个应该得到更小 - 如果我正确理解您的问题。

【参考方案1】：

明确预测值的范围

在我看来，您的值是 0.007 和 0.993 或该量级的值 - 所以你所说的更高是什么意思，因为总和总是 1。所以如果一个变得更高，另一个应该变得更小 - 如果我理解你的问题正确。

澄清预测对应关系

由于您使用“catch”和“nothing”类标记您的数据，这就是您的预测对应的内容。因此， (0, 1) 的输出意味着您的网络预测输入属于第二类。

明确窗口大小

为了解决这个问题，我首先需要你解释一下，你所说的窗口大小是什么意思。您用作输入的记录秒数？如果是这样，我会说，如果您可以在这段时间内识别出“捕获”，那么您的网络也应该能够这样做。 除此之外，这将是行搜索的合适情况。