Question

我是机器学习的初学者，目前正在尝试预测对象在图像中的位置，该图像是我创建的数据集的一部分。

此数据集总共包含约300张图像，并包含2类（Ace和2类）。

我创建了一个CNN，可以预测它是A还是Ace，准确度约为88％。

由于这个数据集做得很好，所以我决定尝试预测卡的位置（而不是类）。我阅读了一些文章，据我了解，我所要做的就是采用与我用来预测类的CNN相同的方法，并将最后一层更改为4个节点的Dense层。那就是我所做的，但是显然这是行不通的。

这是我的模特：

model = Sequential()

model.add(Conv2D(64,(3,3),input_shape = (150,150,1)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=2))

model.add(Conv2D(32,(3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=2))

model.add(Dense(64))
model.add(Activation("relu"))

model.add(Flatten())
model.add(Dense(4))

model.compile(loss="mean_squared_error",optimizer='adam',metrics=[])

model.fit(X,y,batch_size=1,validation_split=0,
epochs=30,verbose=1,callbacks=[TENSOR_BOARD])

我提供给模型的东西

X ：150x150像素的灰度图像。每个像素在[0-1]

之间重新缩放

y ：对象的最小X坐标，最大Y坐标，宽度和高度（这些值均在[0-1]之间。

这是它给我的预测示例：

[array([ 28.66145 ,  41.278576,  -9.568813, -13.520659], dtype=float32)]

但是我真正想要的是：

[0.32, 0.38666666666666666, 0.4, 0.43333333333333335]

我知道这里有问题，所以我决定在单个图像上训练和测试我的CNN（因此，如果可行，它应该过拟合并预测该单个图像的正确边界框）。即使对这幅图像进行过拟合，预测值仍然很高。

所以我的问题是：我在做什么错了？

编辑1

尝试@Matias的解决方案后，是在最后一层添加S型激活函数，现在所有输出值都在[0,1]之间。

但是，即使这样，该模型仍然会产生不良输出。例如，在同一图像上训练10个历元后，它可以预测：

[array([0.0000000e+00, 0.0000000e+00, 8.4378130e-18, 4.2288357e-07],dtype=float32)]

但是我期望的是：

[0.2866666666666667, 0.31333333333333335, 0.44666666666666666, 0.5]

编辑2

好吧，因此，经过一段时间的试验，我得出的结论是问题要么出在我的模型上，要么出在它的构建方式上或缺少培训数据。

但是，即使是由于缺乏训练数据引起的，我也应该能够在一张图像上进行过拟合，以便对此图像做出正确的预测，对吧？

我创建了另一条帖子，询问了自上一个问题以来的最后一个问题，我不想完全重新编辑该帖子，因为它会使第一个答案变得毫无意义。

Answer 1

由于目标（Y值）已归一化为[0，1]范围，因此模型的输出应与此范围匹配。为此，您应该在输出层使用S形激活，以便将输出限制在[0，1]范围内：

model.add(Dense(4, activation='sigmoid'))

CNN Keras对象定位-错误的预测

1 个答案: