如果这个问题被认为是离题或普遍被认为是糟糕的问题，请原谅我，我是计算机视觉和CNN的新手。

我总共有3440张图片，分为10个类别。

每行每列有85张图片：

由于我的数据集中只有3440张图片，我使用数据增强将数据集增加到34400张图片。（每张图片增强10次）

aug = ImageDataGenerator(        rescale = 1./255,       rotation_range = 20,        width_shift_range = 0.10,       height_shift_range = 0.10,       zoom_range= 0.05       )

这是我在这两种情况下使用的模型。（一次使用增强，一次不使用）

model = Sequential() model.add(Conv2D(32, (3,3), input_shape = (50, 50, 3)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Conv2D(64, (3, 3)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Conv2D(64, (3, 3)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.25))# 2 hidden layersmodel.add(Flatten())model.add(Dense(128))model.add(Activation("relu"))model.add(Dense(128))model.add(Activation("relu"))# The output layer with 10 neurons, for 10 classesmodel.add(Dense(10))model.add(Activation("softmax"))# Compiling the model using some basic parametersmodel.compile(loss="sparse_categorical_crossentropy"              ,optimizer="adam"              ,metrics=["accuracy"])

我能够将准确率从大约90%（无增强）提高到大约97%（使用增强），然而训练准确率和验证准确率之间的差异仍然相似。

使用数据增强的图表：

我读到过，训练和验证准确率/损失未收敛且差异很大是过拟合的迹象。

我的CNN模型是否属于这种情况？我还能做些什么来改进我的模型？

完整代码可以在我的GitHub上找到

https://github.com/jwngo/SimpleImageClassifier

感谢大家，我很感激你们的时间。

编辑：对于增强后的数据集，训练集有29355张图片，验证集有7331张图片。准确率之间的差异为0.9972（训练）对0.9750（验证），损失之间的差异为0.0102（训练）对0.1245（验证）

验证图像也进行了增强，我将更改为仅使用未增强的图像。

回答：

你可以使用一些正则化方法（https://www.analyticsvidhya.com/blog/2018/04/fundamentals-deep-learning-regularization-techniques/），例如dropout。训练和验证准确率之间的差异是多少？验证集有多大？