CNN识别自己的数据集 how to generate the ground truth for dateset labeling
本人使用CNN识别了自己构建的数据集 然后收到了审稿意见,不是很明白审稿人的意思。
1:Authors are advised to illustrate the detailed training strategy such as how to label the images and how to prepare the image dataset to avoid overfitting and underfitting problems.
这个是说我没有说清楚数据集生成的过程 让我解释如何标记图片以及准备数据集避免过拟合和欠拟合。
2:Authors are advised to explain how to generate the ground truth for dateset labeling?
第二个我不是很明白 是说如何确保我标签的正确性吗? 求解答!
返回小木虫查看更多
今日热帖
京公网安备 11010802022153号
看样子你做的应该是遥感方面的,感觉是不是如何利用地面真实采样数据来生成样本数据
label很关键,如果没有地面采样点确实是个问题,无法保证label的准确性啊
ground truth是指机器学习中训练集的分类准确性,用于证明或推翻某一假设。机器学习首先要对基础训练数据打标记。如果初始的基础训练标记有问题,那么不可避免会对最终的机器学习效果产生很大的影响。审稿人是让你详细说明你对初始训练数据如何做标记以及解释这样做的合理性。
祝福
不是 是很接近的纹理信息的识别
谢谢 非常感谢! 我可不可以再问个问题: 打标记有特定的方法吗? 因为我识别控制系统中接近的物体的纹理信息 我是人工打的标记 这样是不可以的吗
,
地面采样点? 请问是指的什么 我不太懂