非常好的验证准确性，但预测不佳

Question

我正在构建一个 keras 模型来对猫和狗进行分类。我使用了具有瓶颈特征的迁移学习和 vgg 模型的微调。现在我得到了非常好的验证准确率，比如 97%，但是当我开始预测时，我得到了关于分类报告和混淆矩阵的非常糟糕的结果。可能是什么问题？

这是微调的代码和我得到的结果

base_model = applications.VGG16(weights='imagenet', include_top=False, input_shape=(150,150,3))
print('Model loaded.')

# build a classifier model to put on top of the convolutional model
top_model = Sequential()
top_model.add(Flatten(input_shape=base_model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(2, activation='sigmoid'))

# note that it is necessary to start with a fully-trained
# classifier, including the top classifier,
# in order to successfully do fine-tuning
top_model.load_weights(top_model_weights_path)

# add the model on top of the convolutional base
# model.add(top_model)
model = Model(inputs=base_model.input, outputs=top_model(base_model.output))

# set the first 25 layers (up to the last conv block)
# to non-trainable (weights will not be updated)
for layer in model.layers[:15]:
    layer.trainable = False

# compile the model with a SGD/momentum optimizer
# and a very slow learning rate.
model.compile(loss='binary_crossentropy',
              optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
              metrics=['accuracy'])

# prepare data augmentation configuration
train_datagen = ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode='categorical')

model.summary()

# fine-tune the model
model.fit_generator(
    train_generator,
    steps_per_epoch=nb_train_samples // batch_size,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps=nb_validation_samples // batch_size,
    verbose=2)
scores=model.evaluate_generator(generator=validation_generator,
steps=nb_validation_samples // batch_size)
print("Accuracy = ", scores[1])

Y_pred = model.predict_generator(validation_generator, nb_validation_samples // batch_size)

y_pred = np.argmax(Y_pred, axis=1)

print('Confusion Matrix')

print(confusion_matrix(validation_generator.classes, y_pred))

print('Classification Report')

target_names = ['Cats', 'Dogs']

print(classification_report(validation_generator.classes, y_pred, target_names=target_names))
model.save("model_tuned.h5")

准确度 = 0.974375

混淆矩阵 [[186 214] [199 201]]

分类报告

          precision    recall  f1-score   support

    Cats       0.48      0.47      0.47       400
    Dogs       0.48      0.50      0.49       400

微平均 0.48 0.48 0.48 800 宏平均 0.48 0.48 0.48 800 加权平均 0.48 0.48 0.48 800

Answer 1

这个问题通常有两个原因：

1. 最常见的是当我们使用不同形式的图像实现（预测）模型时（可能忘记标准化或混淆高度和宽度）。这似乎不是这里的情况。

2. 第二个是当一个类的样本多于其他类时。假设有 1000 个样本 A 和 100 个样本 B。如果模型只计算 A，那么 90% 的时间都是正确的。这在数学上被称为“局部最小值”，即使验证结果产生 0.9 的准确度，实现也会很糟糕。

简而言之，您是否在处理不平衡的数据？在这种情况下，有时很难避免局部最小值。这可能是这里的问题吗？

Answer 2

我认为问题在于您应该在验证生成器中添加 shuffle = False

validation_generator = test_datagen.flow_from_directory(
validation_data_dir,
target_size=(img_height, img_width),
batch_size=batch_size,
class_mode='categorical',
shuffle=False)

问题是默认行为是打乱图像所以标签顺序

validation_generator.classes

与生成器不匹配

Answer 3

您的模型存在两个问题。首先，如果您有多个输出神经元，则需要使用 softmax 激活：

top_model.add(Dense(2, activation='softmax'))

然后你必须使用 categorical_crossentropy 损失，二元交叉熵仅适用于当你有一个具有 sigmoid 激活的输出神经元时。

model.compile(loss='categorical_crossentropy',
              optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),
              metrics=['accuracy'])