使用 Keras 迁移学习的边界框回归给出 0% 的准确率。 Sigmoid 激活的输出层只输出 0 或 1答案

【问题标题】：Bounding Box regression using Keras transfer learning gives 0% accuracy. The output layer with Sigmoid activation only outputs 0 or 1使用 Keras 迁移学习的边界框回归给出 0% 的准确率。 Sigmoid 激活的输出层只输出 0 或 1
【发布时间】：2021-04-04 03:35:43
【问题描述】：

我正在尝试创建一个对象定位模型来检测汽车图像中的车牌。我使用 VGG16 模型并排除顶层以添加我自己的密集层，最后一层有 4 个节点和 sigmoid 激活以获得 (xmin, ymin, xmax, ymax)。

我使用 keras 提供的函数读取图像，并将其调整为 (224, 244, 3)，还使用 preprocess_input() 函数处理输入。我还尝试通过使用填充调整大小以保持比例来手动处理图像，并通过除以 255 来标准化输入。

我训练时似乎没有任何效果。我得到 0% 的训练和测试准确率。下面是我的这个模型的代码。

def get_custom(output_size, optimizer, loss):

    vgg = VGG16(weights="imagenet", include_top=False, input_tensor=Input(shape=IMG_DIMS))

    vgg.trainable = False

    flatten = vgg.output
    flatten = Flatten()(flatten)

    bboxHead = Dense(128, activation="relu")(flatten)
    bboxHead = Dense(32, activation="relu")(bboxHead)

    bboxHead = Dense(output_size, activation="sigmoid")(bboxHead)

    model = Model(inputs=vgg.input, outputs=bboxHead)
    model.compile(loss=loss, optimizer=optimizer, metrics=['accuracy'])

    return model

X 和 y 的形状分别为 (616, 224, 224, 3) 和 (616, 4)。我将坐标除以各边的长度，因此 y 中的每个值都在 (0,1) 范围内。

我将从 github 链接下面的 python 笔记本，以便您查看完整代码。我正在使用 google colab 来训练模型。 https://github.com/gauthamramesh3110/image_processing_scripts/blob/main/License_Plate_Detection.ipynb

提前致谢。我真的很需要帮助。

【问题讨论】：

标签： tensorflow machine-learning keras deep-learning object-detection

【解决方案1】：

如果您正在执行对象本地化任务，那么您不应该使用'accuracy' 作为您的指标，因为docs of compile() 说：

当您传递字符串 'accuracy' 或 'acc' 时，我们会将其转换为 1 tf.keras.metrics.BinaryAccuracy, tf.keras.metrics.CategoricalAccuracy, tf.keras.metrics.SparseCategoricalAccuracy 基于损失函数使用和模型输出形状

您应该改用 tf.keras.metrics.MeanAbsoluteError、IoU(Intersection Over Union) 或 mAP(Mean Average Precision)

【讨论】：