python - 基于 VGG 的 CNN 模型有时是否比现代架构更适合图像分类？

Question

我有一个图像分类任务要解决，但基于非常简单/好的术语：

• 只有两个班（好或不好）
• 图像始终显示相同类型的作品（有或无故障）
• 那件作品总是从相同的角度和距离拍摄
• 我有两个类至少 1000 个样本图像

所以我认为想出一个好的 CNN 解决方案应该很容易——而且确实如此。我使用自定义分类器 (Keras/TF) 创建了一个基于 VGG16 的模型。通过迁移学习，我能够在模型训练期间实现高达 100% 的验证准确度，因此一切都很好。

出于好奇，并且因为基于 VGG 的方法似乎有点“慢”，我还想尝试以更现代的模型架构为基础，所以我使用了ResNet50v2和Xception。我对它进行了类似于基于 VGG 的模型的训练，并尝试了几次超参数修改等。但是，我无法达到比 95% 更好的验证准确度——比使用“旧”VGG 架构差得多。

因此我的问题是：鉴于这些“简单”（总是相同的）图像和只有两个类，VGG 模型是否可能比 ResNet 或 Xception 等现代网络更好的基础？还是更有可能是我的模型搞砸了，或者只是训练/超参数不正确？

标签： pythontensorflowkerasconv-neural-networkvgg-net