我正在尝试构建一个图像分类器，用于识别房产网站上的两种类型的图像。我的数据集被分为两类：[房产，房间]。我希望能够区分图像是房产的外部还是房产内部的房间。
下面是两种类型的图像示例。我的数据集包含每个类别800张图像，并为每个类别额外准备了160张图像作为训练集（不在测试集中）。
我在训练过程中总是能得到不错的结果，但在用一些真实样本测试时，通常会将所有图像分类到单一类别中。
您可以看到我使用的模型如下：
train_datagen = ImageDataGenerator( rescale=1./255, width_shift_range=0.1, height_shift_range=0.1, rotation_range=10, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest') # set validation splitvalidate_datagen = ImageDataGenerator(rescale=1./255)IMG_HEIGHT = IMG_WIDTH = 128model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(32, (11,11), activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH, 3), padding='same'), tf.keras.layers.MaxPooling2D(11, 11), # tf.keras.layers.Dropout(0.5), # Second convolutional layer tf.keras.layers.Conv2D(64, (11, 11), padding='same', activation='relu'), tf.keras.layers.MaxPooling2D(11, 11), # tf.keras.layers.Dropout(0.5), # Flattening tf.keras.layers.Flatten(), # Full connection tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.5), tf.keras.layers.Dense(1, activation='sigmoid')])from tensorflow.keras.optimizers import RMSpropmodel.compile( optimizer=RMSprop(lr=0.001), loss='binary_crossentropy', metrics=['accuracy'])# now train the modelhistory = model.fit_generator( train_generator, validation_data=validation_generator, steps_per_epoch=75, #100 epochs=5, # 15, or 20, and 100 steps per epoch validation_steps=50, verbose=1)# Predict imagedef load_image(img_path, show=False): test_image = image.load_img(img_path, target_size=(IMG_HEIGHT, IMG_WIDTH)) test_image = image.img_to_array(test_image) test_image /= 255. test_image = np.expand_dims(test_image, axis = 0) return test_imagedef predict_image(img_path, show=False): loaded_img = load_image(img_path, show) pred = model.predict(loaded_img) return 'property' if pred[0][0] == 0.0 else 'room'print('Prediction is...')print(predict_image('path/to/my/img')谁能建议一下可能的原因？我已经尝试了不同的epochs和batch大小，进一步增强了图像，改变了Conv2D和Pooling层的尺寸，但似乎都没有帮助。
我是否数据不够，或者这些图像一开始就不好？这是我第一次涉足机器学习，如果我的问题看起来很明显，请原谅我。
回答：
您没有正确地对分类器的输出进行后处理，它输出的概率在[0, 1]之间，值 < 0.5对应第一个类别，值 >= 0.5对应第二个类别。您应该相应地更改代码。
