震惊！大学生深夜做不出深度学习毕设嚎啕大哭

原图 rgb https://imgchr.com/i/YnBEM8

我输出的图 https://imgchr.com/i/YnBtZ4

ground true https://imgchr.com/i/YnBHeg

我参考的开源项目 https://github.com/honpui/RFCN/blob/master/main.py

放弃吧，你不写今日头条号太浪费了，写头条号震惊体新闻，你早迎娶白富美了。

"自我感觉是在数据处理方面出了问题"
你把数据处理结果可视化出来不就好了

同学，你训练的时候用的数据集样本量有多少？我看了一下那个 repo，网络挺深的，应该需要很大的数据量才能 train 吧，我其实也不太确定，但是是根据我个人经历感觉的，我之前 train 过一个倒置的 VGG16，就是做显著性检测的，然后样本只有 1k 左右，结果就和你那个图像差不多，都是雪花，我参考的原作他的样本数远远大于我的，我使用他的预训练模型就能顺利地输出正确结果，所以可以看看是不是样本量的问题

@bug403 不写震惊体吸引不了大佬

@epleone 其实数据处理是和源代码一样的 2333 感觉我头晕了 不知道哪里出了问题

@apostle UC 不招你亏了

@andantin0 大佬！我的确为了图方便只用 400 多张图迭代 10 次，然而我一直在怀疑我的数据处理或者模型的问题，没有想到这个！非常感谢！我这就去试一下

不收敛大概率是模型没有学习到东西，猜测是数据的问题。同时，也可能是数据量小，但模型比较庞大，这也会导致这个问题。一定要检查模型输入的张量是不是和开源程序一样

400 张图迭代 10 次也太少了吧？

本科还是研究生啊？

不太懂你 load 完数据以后 tensor2image 是啥操作……
在 train loader 里面没有 transform，结果 test loader 里面又用了 transform，训练和测试阶段数据处理没统一

哈哈哈，楼主头条看多了吧

你这也太简单了吧。

同，我刚刚还在查重，哭了

https://github.com/nephashi/GaitRecognitionCNN/blob/master/layers/Conv2D121.py 想知道这个和普通的 Conv2D 有啥区别 我对比了一下，感觉差别不大，多了一些 def 不是很懂，有大佬帮忙看看吗

我也想知道这个和普通的 Conv2D 有啥区别

@YOUMA 我知道了，你应该 @我的。我是刚好回来看这个帖子。

它是做了简化的操作，只接受 2D 的输入。会轻便很多。

其中，自定义的一对一连接的自定义层，是基于 keras 源代码中卷积的部分编写的，采用的设计理念是参照了“Alotaibi2017A”论文中的描述，实现了一对一连接的自定义层。

在自定义层的设计部分，将原来 keras 自带的卷积代码中删除了冗余的部分，只支持 2D 数据，然后对 input_dim （数据维度）输入进行切片并进行卷积。

一对一连接，即每个 feature map 与上一层中的 feature map 之间的连接方式都是一对一，这种做法的优势在于通过减少参数的数量，达到大大的降低了计算成本，加快训练的速度的目的。同时，相比于数百万个参数的其他深层模型，我们所拥有的数据集体量相对较小，无法训练所有参数，否则可能会出现 over-fitting （即过度装配）的问题。

在后续的实验中，我们可以清晰地看出模型能够快速且有效的收敛，恰恰是因为由于使用了一对一连接的方式，需要训练的参数数量较小（当然，这个一对一连接不包括全连接层）。

@8G
耐斯

@YOUMA 我现在有点烦有些数据集的识别率不高，不管先了，查重过了，有机会读研再研究。

@8G xd 读到研了吗

@alpha1155 毕业了