- Нормалізація даних;
- Варіювання архітектури моделі (зміна кількості нейронів в шарі, зміна розміру ядра, різні початкові значення "w") та кількості епох;
- Збільшення кількості даних. Обрізка картинок від непотрібного фону;
- Збільшення кількості тренувального набору за рахунок поворотів, відбивання, маштабування, зсувів картинок (data augmentation);
- Використання раніше натренованих моделей (перенос навчання), використання "дропауту";
- Варіювання learning_rate в оптимізаторі. (Суттєво впливало у випадку Yoga poses);
- Ensemble, cross validation, augmentation, searched learning rate/batch size, tuned optimizer with weight decay, learning rate schedule with warmup epochs. Pretty much thats it.
Folders and files
| Name | Name | Last commit date | ||
|---|---|---|---|---|