我刚开始学习深度学习，想构建一个模型，通过给定的图片预测灾害类型（洪水、火灾、基础设施损坏）。我想使用迁移学习，但不确定哪个模型能给我带来最佳结果。

我尝试从头开始构建一个CNN模型，但测试准确率只有70%，这个结果偏低。

模型代码如下：

num_classes=3model = Sequential()model.add(Conv2D(64, kernel_size=(3, 3),             activation='relu',             input_shape=(512,512,3)))model.add(Conv2D(128, (3, 3), activation='relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(256, activation='relu'))model.add(Dropout(0.5))model.add(Dense(num_classes, activation='softmax'))model.compile(loss=keras.losses.categorical_crossentropy,          optimizer=keras.optimizers.Adadelta(),          metrics=['accuracy'])kf=KFold(n_splits=10 ,shuffle=True)for train_index, test_index in kf.split(X):   print("Folding")   x_train, x_test = X[train_index], X[test_index]   y_train, y_test = y[train_index], y[test_index]   y_train = to_categorical(y_train, num_classes)   y_test = to_categorical(y_test, num_classes)   model.fit(x_train, y_train,          batch_size=batch_size,          epochs=epochs,          verbose=1,          validation_data=(x_test, y_test))   score = model.evaluate(x_test, y_test, verbose=0)   print('Test loss:', score[0])   loss.append(score[0])   print('Test accuracy:', score[1])   acc.append(score[1])

附注：X是一个形状为(3000,512,512,3)的numpy数组，Y是一个形状为(3000,1)的numpy数组，每个类别的值为{0,1,2}

回答：

我使用了ResNet18模型进行迁移学习，每个类别使用了100张图片，结果准确率达到了99%。我认为这应该能解决你的问题。