flow_from_directory val_acc 未上升的 Keras VGG16

Question

我使用 keras 并导入具有 imagenet 权重的 VGG16 网络对 male/female 张照片进行分类。

目录结构为：

split_1/train/male/*.jpg
split_1/train/female/*.jpg
split_1/val/female/*.jpg
split_1/val/male/*.jpg

我尝试了我在互联网上找到的大部分解决方案，但 none 有效：

改变batch_size
改变优化器
改变class_mode/损失函数
将每一层设置为trainable
将每一层从 VGG 复制到我的序列

import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dropout, Flatten, Dense
from keras import applications

[...]

img_width, img_height = 224, 224

top_model_weights_path = "%s_retry2.h5" % split
train_data_dir = "%s/train" % split
validation_data_dir = "%s/val" % split
batch_size = 48
nb_train_samples = 4000
nb_validation_samples = ( 299 // batch_size ) * batch_size
epochs = 5

def train_top_model():
    datagen = ImageDataGenerator(
        horizontal_flip=True,
        shear_range=0.2,
        rescale=1. / 255)

    vdatagen = ImageDataGenerator(rescale=1./255)

    traingen = datagen.flow_from_directory(
        train_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='categorical',
        follow_links=True,
        shuffle=True)

     valgen = vdatagen.flow_from_directory(
        validation_data_dir,
        target_size=(img_width, img_height),
        batch_size=batch_size,
        class_mode='categorical',
        follow_links=True,
        shuffle=True)

    vgg_model = applications.VGG16(input_shape=(224,224,3), weights="imagenet", include_top=False)
    model = Sequential()
    model.add(vgg_model)
    model.add(Flatten())
    model.add(Dense(2, activation='softmax'))
    model.compile(optimizer="rmsprop", loss='categorical_crossentropy', metrics=['accuracy'])

    history = model.fit_generator(traingen,
              epochs=epochs,
              steps_per_epoch=nb_train_samples // batch_size,
              validation_data=valgen,
              validation_steps=nb_validation_samples // batch_size)

它会报告实际的图像数量，以便正确找到 jpg。在整个训练过程中，val 的准确度保持 "random" 和相同 (~50%)。

Answer 1

尝试降低学习率，可能是您的模型每次都超过最小值，因此无法收敛。

如果任何一种超参数调整都不起作用，那么您需要修复数据，但我认为 male/female 分类数据对于具有 [=15= 的 CNN 模型来说不应该那么难学] 权重。

Answer 2

每个 class 你有多少样本？？？您似乎没有足够的数据来微调 VGG16 具有的这些大规模参数。（如果你可以训练所有层，则为 1.38 亿）

我建议： 1.对于性别class化问题，尽量使用官方数据集如IMDB-WIKI 2. 如果您想使用自己的数据，请先收集更多标签样本，然后再扩充所有样本 3. 最后，使用最先进的 CNN 架构，例如 Xception（您可以在 keras 中加载 xception 的 imagenet pre-traind）冻结 20 个第一层并 fune 调整其他层

flow_from_directory val_acc 未上升的 Keras VGG16

Keras VGG16 with flow_from_directory val_acc not rising

python

keras

conv-neural-network

vgg-net