深度学习模型不能准确预测，Keras？

Question

我是深度学习和 Keras 的新手。 我创建了一个在 ASL（美国手语）数据集上训练的模型，其中包含近 80,000 个训练图像和 1500 个测试图像。 我还附加了一些更多的类，即。 手签数字从 0 到 9。 所以，我总共有 39 个班级（0-9 和 AZ）。 我的任务是训练这个数据集并将其用于预测。 我的预测输入是来自网络摄像头的帧，我将在其中显示手势。

我的 Keras 模型

classifier = Sequential()

classifier.add(Conv2D(32, (3, 3), input_shape = (100, 100, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(32, (3, 3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Flatten())

classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 39, activation = 'softmax'))

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])



from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory('train',
                                                 target_size = (100,100),
                                                 batch_size = 128,
                                                 class_mode = 'categorical')

test_set = test_datagen.flow_from_directory('test',
                                            target_size = (100, 100),
                                            batch_size = 128,
                                            class_mode = 'categorical')

classifier.fit_generator(training_set,
                         steps_per_epoch = 88534,
                         epochs = 10,
                         validation_data = test_set,
                         validation_steps = 1418)

ASL 数据集图像大小为 200x200，数字符号数据集大小为 64x64。 在以 96% 的验证准确率运行 5 个 epoc 之后，当我在视频上运行它时，我仍然无法获得良好的预测。

视频帧的python程序

classifier = load_model('asl_original.h5')
classifier.compile(loss='binary_crossentropy',optimizer='rmsprop',metrics=['accuracy'])

cam = cv2.VideoCapture(0)

while(1):
    try:
        ret, frame = cam.read()
        frame = cv2.flip(frame,1)
        roi = frame[100:400,200:500]
        cv2.rectangle(frame,(200,100),(500,400),(0,255,0),2) 
        cv2.imshow('frame',frame) 
        cv2.imshow('roi',roi)
        img = cv2.resize(roi,(100,100))
        img = np.reshape(img,[1,100,100,3]) 
        classes = classifier.predict_classes(img)
        print(classes)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break


    except Exception:
        traceback.print_exc()
        pass

我不明白为什么即使在如此大的数据集上训练后我也无法获得准确的预测。 我需要进行哪些更改才能对所有 39 个课程进行准确预测。

数据集的链接。 ASL 数据集和数字的手势

Answer 1

在classifier.compile 中，您使用loss='binary_crossentropy'，它仅在标签是二进制的（只有两个类）时使用。 当您进行多类分类时，您必须根据标签的数量和类型（即“sparse_categorical_crossentropy”）使用适当的损失函数。

尝试阅读这篇有用的博客文章，其中详细解释了每个损失函数。