我正在开展一个关于腹侧溪流前馈路径的项目，我有6个图像可以在InferoTemporal层识别。
请有人给我一些图像'示例向我展示培训图像和测试图像之间的区别。那么我应该添加到包含我的训练图像的文件夹中？我应该添加另一个包含测试图像列表的文件夹吗？如果是的话，这些测试图像应该是什么？
训练图像是否必须包含要分析或识别的图像，测试图像是否必须包含内存中的图像？换句话说，如果我们有例如16个训练面和一个或两个测试面。那么我们应该分析训练中与测试中的面部相对应的面部是什么？这是真的吗？
注意：我不需要代码，我只想对测试和训练图像之间的差异做一个简短的解释。
非常感谢任何帮助。
答案 0 :(得分：1)
训练和测试图像之间的唯一区别在于，测试图像不用于选择模型参数。每个模型都有某种参数，变量，它适合数据。这称为培训过程。训练/测试集分离确保您的模型（算法）可以实际执行更多只记忆图像的操作 - 因此您在测试图像上测试它，而不是在培训阶段使用。
已经详细讨论过SO：whats is the difference between train, validation and test set, in neural networks?
答案 1 :(得分：0)
在HMAX中，您使用输入图像层的所有数据。并且所有这些都具有garbor过滤器，最大池，径向基核函数。仅在C2层，您开始训练图像的子集（主要使用基于线性内核的SVM）。子集设置为训练数据。其余的都是测试数据。总之，训练图像首先用于构建SVM，然后使用多数投票方法将测试图像分配给数字类。
但实际上，这与您首先将训练图像放在图像层时相同。在所有图层通过之后，您将测试图像放在图像层以重新启动以进行识别。由于训练和测试图像都需要缩放，并且C2之前的前一层的所有操作都相同，所以您只需在开始时将它们完全混合。
虽然您在图像层使用了所有训练和测试图像，但您仍然需要将数据洗牌并将其中一些作为训练，其他作为测试。