python - keras CNN 模型预测良好，但只有一个标签无法预测

Question

在我训练模型以使用每个类别的 2800 个图像来预测 24 个类别的标签并获取 5000 个图像进行验证后，我运行了一些测试来查看标签预测的质量，我设计了一个程序来获取所有图像在文件夹测试和预测标签中，除了第 19 类之外，所有类都很好，在 1000 个用于测试的图像中，没有预测为 19

有人有解决办法吗？

这是模型架构:

model = Sequential()

model.add(Conv2D(filters=32, kernel_size=2,padding='same',activation='relu',input_shape=(32,32,1)))

model.add(MaxPooling2D(pool_size=2))

model.add(Conv2D(filters=64, kernel_size=2, padding='same', activation='relu'))

model.add(MaxPooling2D(pool_size=2))

model.add(Flatten())

model.add(Dense(1024, activation='relu'))

model.add(Dropout(0.2))

model.add(Dense(24, activation='softmax'))

model.summary()

这是优化器和训练器:

optimizer = rmsprop(learning_rate=0.0001)

model.compile(loss='categorical_crossentropy',optimizer= optimizer,metrics=['accuracy'])

checkpointer = ModelCheckpoint(filepath='CNN_newData.hdf5',verbose=1,
                               save_best_only=True)
hist = model.fit(x_train,y_train,batch_size=128,epochs=100,
                 validation_data=(x_valid,y_valid),callbacks=[checkpointer],
                 verbose=2,shuffle=True)

这是为预测准备图像的方式:

  for img in images:

            read_img = cv2.imread('test-images/' + file + '/' + img)
            read_img = cv2.cvtColor(read_img,cv2.COLOR_RGB2GRAY)
            read_img = read_img.reshape( -1,32, 32, 1)
            read_img = read_img.astype('float32')/255
            maxind = model.predict_classes(read_img)

Answer 1

• 我认为您的数据集是均衡的？
• 您能否上传您的损失/准确率曲线？
• 您是否尝试过其他优化器？您的 RMSprop learning_rate 低于默认值，并且网络相当浅。
• 您可以分享这些数据吗？您至少确定那里没有矛盾的知识吗？

read_img = cv2.imread('test-images/' + file + '/' + img)

请不要自行连接路径。一旦您将此模型推送到某个基于 Linux 的云，您就会遇到麻烦。检查pathlib .

• 尝试使用默认参数运行 adam
• model.add(Dense(1024,activation='relu')) - 它相当大，后面只有 24 个标签。尝试更小的值，例如 240。
• kernel_size 看起来很奇怪，转换内核不应该很奇怪吗？尝试kernel_size=3
• 尝试添加一些正则化