我想使用卷积神经网络（CNN）来分类两类图像。我建立了几个CNN架构，但我总能得到相同的结果;网络总是将所有案例分类为第二类样本。因此，我总是在留一次出局时获得50％的准确率。数据在每个类别的样本数量方面是平衡的（16个来自第1个，16个来自第2个）。你能否澄清这是什么意思。
答案 0 :(得分：0)
由于训练样本数量较少，您的CNN模型很可能会过度拟合数据，从而提供良好的训练准确性和最差的测试精度。
否则你的模型可能会在任何时候都预测同一个班级。
以下是您可以尝试的一些解决方案：
1）正如您所评论的，如果您无法再获取更多图像，请尝试通过修改已有图像来创建新图像。例如：假设您有16张猫的图像（猫是班级）。您可以裁剪猫并将其粘贴在不同的背景中，尝试改变亮度，强度等，尝试旋转，翻译操作等。
这将帮助您创建一个良好的训练集。
2）尝试创建一个较小的模型（有一层或两层）并检查它是否会提高您的准确性。
3）你可以使用一个好的预训练模型进行转移学习，因为与从基础创建模型相比，它可以很好地学习。