Keras中图像的二元分类答案

【问题标题】：Binary classification of images in KerasKeras中图像的二元分类
【发布时间】：2016-07-05 09:51:09
【问题描述】：

我正在尝试在 Keras 中仅使用 1 个通道对图像 (29 x 29) 进行分类。如果中间像素在一定范围内，则输出为1，否则为0。

对于训练集，我有 10000 张输出为 1 的图像和 30000 张输出为 0 的图像，我使用以下架构：

model = Sequential()

# kernel = (4, 4); 6 outputmaps  26x26 
model.add(Convolution2D(6, 4, 4, input_shape=(img_channels, img_rows, img_columns)))
model.add(Activation('relu'))
# 6 outputmaps of 13x13
model.add(MaxPooling2D(pool_size=(2, 2)))
# 12 outputmaps of 10x10 ; kernel = (4, 4)
model.add(Convolution2D(12, 4, 4))
model.add(Activation('relu'))
# 12 outputmaps of 5x5
model.add(MaxPooling2D(pool_size=(2, 2)))
# 24 outputmaps of 4x4 ; kernel = (2, 2)
model.add(Convolution2D(24, 2, 2))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

对于编译，我使用的是 binary_crossentropy 损失

model.compile(loss='binary_crossentropy', optimizer='sgd', class_mode='binary')

准确率会波动，但在每个 epoch 后会达到 0.75 的最终值。有什么我想念的吗？为了使它起作用，我应该更改或添加什么吗？

【问题讨论】：

标签： neural-network classification conv-neural-network keras

【解决方案1】：

试图解释您的方法，您希望 CNN 仅查看 29*29 像素中的 1 个。我不是专家，但这对于 CNN 来说听起来不是一个好问题。但是，通常如果您的网络在训练数据上取得了不好的结果，那么您的网络就太小了。所以你可以试着把它变大。您可以考虑的另一件事是：您的设置（内核大小、层、池化）实际上实现了什么？您的设置可能不适合此类任务吗？这是我会做的：

尝试不使用 CNN，即使用 1 或 2 个全连接层，看看会发生什么
使分辨率“更精细”，即使用 (3,3) 滤镜尺寸
删除 maxpooling（maxpooling 丢弃信息以使功能更加不变，我认为您不需要这个）
添加更多的卷积层
可能不相关，但您的数据集非常小，因此您不需要 sgd 的速度优势，请改用另一个优化器

您的训练和测试的具体情况如何？这是一个玩具项目吗？

【讨论】：