やったこと
・EfficientNetB3の学習・評価
・Xceptionの学習・評価
・条件
背景：黒色背景（GrabCutを用いて領域抽出済み）
桃の糖度：各側面に対応
データ数：元データ1024を拡張した10240データ
シード値：0
エポック数：48
EfficientNetB3の学習・評価
・モデルの構成
EfficientNetの上位層56 層と追加した全結合層2層、BatchNormalizationを学習。
・学習過程グラフ
・評価結果
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 1.8632 ±1.6645 | 9.6076 ±16.4205 | -64.2575 ±129.3921 |
Exceptionの学習・評価
・モデルの構成
Xceptionの108層以降と追加した全結合層2層、BatchNormalizationを学習。
・学習過程グラフ
・評価結果
| 評価関数 | MAE | RMSE | R２ |
|---|---|---|---|
| 平均値 | 1.3703 ±0.0524 | 1.7371 ±0.0632 | 0.178 ±0.1569 |
まとめ
前回と同様、どちらも収束しなかった。
とりあえずはVGG16で起きたNaNの原因を探りつつ、ResNet50とMLPの学習を進めていく。
今後の課題
・カラー背景画像からの桃領域抽出
・カラー画像を追加して学習
・異なるモデルを用いての学習（ResNet50、MLPなど）
・VGG16の学習で起こるNaNの原因を探る