Keras为什么二进制分类不如分类校准准确

Question

我正在尝试创建一个模型，该模型可以判断图像中是否有鸟类。

我当时使用分类法训练模型以识别Bird v.s.鲜花，在识别这两个类别方面，结果非常成功。

但是，当我将其更改为“二进制分类”以检测图像中是否存在鸟类时，准确性会急剧下降。

  

我之所以改用二进制分类，是因为如果我   为我的分类分类训练模型提供了一条狗，   认出那只狗是鸟。

顺便说一句，这是我的数据集结构：

培训： 鸟类可拍摄5000张图像，非鸟类可拍摄2000张图像

验证： 鸟类可拍摄1000张图像，非鸟类可拍摄500张图像

有人说，模糊的数据集也会引起问题。是真的吗？

有人可以指出以下代码在哪里出错了吗？

list_2 = ['financial','disastrous','accuracy','important','numbers']
reg = r'[bdðfghjklmnprstvxþ]+'
d = []
largest = []
for w in list_2:
    d.append(re.findall(reg, str(w), re.IGNORECASE))
print(d)

Answer 1

类别

• 使用Num_Classes = 2
• 使用一键编码的目标（例如：Bird = [1, 0]，Flower = [0, 1]）
• 使用'softmax'激活
• 使用'categorical_crossentropy'

二进制

• 使用Num_Classes = 1
• 使用二进制目标（例如：is flower = 1 | not flower = 0）
• 使用'sigmoid'激活
• 使用'binary_crossentropy'

此处的详细信息：Using categorical_crossentropy for only two classes