Agradezco las ayudas que me han brindado anteriormente y espero en esta ocasión también me puedan brindar su ayuda.
Estoy realizando la deteccion de semaforos peatonales rojo y verde, he realizado varios proyectos y entrenamientos con diferente numero de imagenes, pero no he superado el 60% de precisión, actualmente estoy en un proyecto con 368 imagenes en total y he podido llegar a una precisión de 70.6%
En este proyecto se logra separar las dos clases bastante bien como se puede ver en la imagen, sin embargo despues de realizar cientos de entrenamientos no puedo superar el 70% de precisión.
Me podrian dar alguna sugerencia para llegar a tener una mejor precisión.
he disminuido imagenes pero el resultado es casi el mismo tambien he aumentado imagenes pero la precisión disminuye.
he trabajado máximo con 45 ciclos y no hay una diferencia en los resultados.
mi proyecto es el siguiente, espero me puedan ayudar
ID:67687
Estos son algunos resultados de muchos entrenamientos que he realizado.
muestra el numero de ciclos, la tasa de aprendizaje y el % de precisión
En este caso, según mi conocimiento previo de la clasificación de imágenes, debe aumentar las imágenes con un conjunto de datos de imágenes que no contienen luces [pueden ser imágenes aleatorias]
Por ejemplo : if you have total 1100 images, try to split out 400 green, 400 red and 300 none images.
Puedes ver que estoy obteniendo resultados sorprendentes!
podria tener buenos resultados si etiqueto otro objeto que no sea semaforos?
ya que si aumento imagenes probablemente baje la precisión como en pruebas que ya he realizado.
Estaba trabajando en mi proyecto y pase 1 fotografia de cada clase en total 2 al conjunto de prueba por lo cual cambio un poco el mapa de caracteristicas y ahora mi precision disminuyo ya no puedo llegar a 70%.
voy a aumentar mas fotografias y etiquetar y vere como me va.
@AnshumanFauzdar
muchas gracias
¿Me podria decir en cual de estas opciones trabajo?
yo estoy trabajando en la opcion de “classify a single objet” he trabajado tambien en “classify multiple objects” pero en esta no he tenido buena precision por lo que decidi trabajar en la otra opcion.
;
usar la detección de objetos es identificar diferentes objetos, pero en su caso tiene un color de luz diferente, por lo que clasificar los datos será una mejor opción
@AnshumanFauzdar si estoy trabajando en esa opcion y probare aumentando mas imagenes como me sugiere y le informare como me va, espero tener mejores resultados de esa forma y poder superar el 70% de precesión.