我在使用CNN对10种手势进行分类，每种手势有100张图片。我构建的模型在训练数据上的准确率约为97%，而在测试数据上的准确率为89%。我能说我的模型过拟合了吗，还是这样的准确率图（如下所示）是可以接受的？

回答：

向训练集添加更多数据

当你的训练集中有大量数据（各种实例）时，创建一个过拟合模型是可行的。

示例：假设你想检测一种手势，比如“竖起大拇指”（二分类问题），你用大约1000张图片创建了你的正样本训练集，这些图片经过旋转、平移、缩放，不同的颜色、角度、视角变化，背景杂乱等处理。如果你的训练准确率为99%，你的测试准确率也会非常接近。

因为我们的训练集足够大，能够覆盖所有正类实例，所以即使模型过拟合，它在测试集上的表现也会很好，因为测试集中的实例只是训练集实例的轻微变化。

在你的情况下，你的模型已经很好，但如果你能添加更多数据，你会获得更高的准确率。

添加什么样的数据？

手动检查模型错误分类的测试样本，寻找模式。如果你能找出哪些类型的样本出现了错误，你可以将这种类型的样本添加到你的训练集中，然后重新训练。