Question

我正在尝试使用一个训练集206张图像和一个测试集19张图像的类来构建CNN。

我建立了一个包含2个卷积层和一个完整连接的模型。我已将辍学添加到完整连接中，以避免过拟合。

在第一个时期，损耗从0.02开始，精度为0.88。验证精度为1.00。在其他49个时期中，训练和验证的准确性仍为1.00。

仅检查一下，我尝试使用正确的图像和错误的图像进行预测。两次都预测返回0.0

我在做什么错了？

# Tanjavur Painting Detection

# Part 1 Building CNN
# Importing Keras packages
from keras.models import Sequential
from keras.layers import Convolution2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
from keras.layers import Dropout

# Initializing a CNN
classifier = Sequential()

# Adding Convolution Layer
classifier.add(Convolution2D(32, 3,input_shape = (64, 64, 3), activation = 'relu'))

# Pooling
classifier.add(MaxPooling2D(pool_size = 2))

# Additional Convolutional Layer
classifier.add(Convolution2D(32, 3, activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = 2))

# Flattening
classifier.add(Flatten())

# Full Connection
classifier.add(Dense(256, activation = 'relu'))
classifier.add(Dropout(.4))
classifier.add(Dense(1, activation = 'sigmoid'))

# Compile CNN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

# Part 2 - Fitting Image set to CNN

# IMAGE Preprocessing & then Fitting
from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

training_set = train_datagen.flow_from_directory('Tanjore_Paintings/Tanjavur_Train',
                                            target_size=(64, 64),
                                            batch_size=5,
                                            class_mode='binary')

test_set = test_datagen.flow_from_directory('Tanjore_Paintings/Tanjavur_Test',
                                            target_size=(64, 64),
                                            batch_size=5,
                                            class_mode='binary')
classifier.fit_generator(training_set,
                    steps_per_epoch = 206,
                    epochs = 50,
                    validation_data = test_set,
                    validation_steps = 19)

# Part 3 - Making predictions

import numpy as np
from keras.preprocessing import image
test_image = image.load_img('Tanjore_Paintings/Tanjore_Painting_Test_2.jpg', target_size = (64, 64))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis = 0)
result = classifier.predict(test_image)
training_set.class_indices
if result[0][0] == 1:
    prediction = 'Yes'
else:
    prediction = 'No'

Answer 1

您的训练和测试数据将按比例缩放1/255。但是在预测时，您不会重新缩放图像。尝试按如下所示重新缩放图像。

test_image *= (1/255.0)
result = classifier.predict(test_image)

编辑：

如果训练和测试数据集具有单个类别，则该模型将无法将输入分为两个类别。您的预测应基于训练和测试数据类（您的预测数据集应来自类似于训练和测试数据集分布的分布）。如果训练和测试数据集中有两个类，则尝试为（第一个）类分配0，为其他（第二个）分配1。然后，当预测类别时，如果模型预测的数量小于0.5，则表示在预测第一类；如果模型预测数量大于或等于0.5，则模型在预测第二类。

CNN-训练精度为1.0，验证精度为1.0。预测返回0.0

1 个答案: