Tensorflow-Keras CNN图像分类器准确率始终为50%
TensorFlow-Keras是一个深度学习框架，用于构建和训练神经网络模型。CNN（卷积神经网络）是一种常用的神经网络架构，特别适用于图像分类任务。准确率始终为50%可能是由于以下原因：
- 数据集问题：准确率低可能是因为数据集的质量不高或者数据集的样本数量不足。在图像分类任务中，需要足够多且具有代表性的样本来训练模型，以提高准确率。
- 模型设计问题：CNN模型的设计可能存在问题，例如网络层数不够深或者网络结构不合理。可以尝试增加网络的深度或者调整网络结构，以提高模型的表达能力和准确率。
- 参数调整问题：模型的训练参数可能没有经过充分的调整。例如学习率、批量大小、优化器等参数的选择会对模型的训练效果产生影响。可以尝试调整这些参数，以找到更好的组合。
- 数据预处理问题：图像数据的预处理过程可能存在问题。例如，图像的尺寸、亮度、对比度等特征可能没有得到合适的处理。可以尝试对图像数据进行归一化、裁剪、旋转等预处理操作，以提高模型的准确率。
- 模型训练问题：模型的训练过程可能存在问题，例如训练时间不足、过拟合等。可以尝试增加训练时间、使用正则化技术等方法来改善模型的训练效果。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开放平台：https://cloud.tencent.com/product/ai
- 腾讯云机器学习平台：https://cloud.tencent.com/product/tiia
- 腾讯云图像识别：https://cloud.tencent.com/product/imagerecognition
- 腾讯云深度学习：https://cloud.tencent.com/product/dl
请注意，以上仅为一般性的建议，具体问题具体分析，需要根据实际情况进行调试和优化。
相关·内容
2回答
Tensorflow-Keras CNN图像分类器准确率始终为50%
tensorflow、keras
我正在使用keras和tensorflow学习CNN。我已经完成了图像的所有预处理，比如将图像转换为数组，调整大小，并将其转换为灰度图像。之后，我将数据输入到模型中，但准确率始终保持在50%。我还尝试了调整随机种子、批处理大小、减少数据集大小，也尝试了优化器，但都没有真正的帮助count_cat=0
浏览 46提问于2019-08-07得票数 0
2回答
图像分类模型重新校准
tensorflow、keras、conv-neural-network
我使用tensorflow-keras构建了一个图像分类模型(CNN)。我有一些新的图像，我需要将它们输入到相同的模型中，以便增加现有模型的准确性。 我尝试使用以下代码。但这会降低准确性。verbose=1,
validation_steps = 50) 有什么方法可以用来重新校准我的CNN模型吗？
浏览 25提问于2020-07-15得票数 0
回答已采纳
2回答
在CNN中创建的模型没有给出预期的结果
python、tensorflow、deep-learning、classification、conv-neural-network
我已经使用CNN创建了狗和猫的模型分类器，使用tensorflow.Its准确率约为90%，验证准确率为80%.But当我输入自己下载的猫和狗的图像时，它给出了错误的结果。我确保输入的图像与训练中使用的图像大小相同。
浏览 3提问于2020-05-02得票数 0
1回答
我需要微调最后的卷积层，在一个最先进的CNN模型，如ResNet50？
python、machine-learning、keras、deep-learning、transfer-learning
我的毕业设计是使用CNN模型上的转移学习，它可以从胸部X光图像中诊断新冠肺炎。利用贝叶斯优化器利用Keras调谐器库对完全连通层数、层中节点数、学习速率、下降率等超参数进行微调，得到了很好的结果，多类分类的测试准确率为98%，二进制分类的测试准确率为99%。在训练和分类之前，我在图像上使用了not等图像增强技术，与不增强图像相比，提高了图
浏览 3提问于2021-02-10得票数 0
回答已采纳
2回答
统一文本和图像分类(Python)
python、machine-learning、classification、text-classification
我正在编写一个代码来对科学文章的文本进行分类(使用标题和摘要)。为此，我使用了SVM，它提供了很好的准确率(83%)。同时，我使用CNN对这些文章的图像进行了分类。我的想法是将文本分类器和图像分类器合并，以提高准确率。 有可能吗？如果是这样的话，你会知道我如何实现它或某种指导方针吗？ 谢谢!
浏览 17提问于2019-02-04得票数 2
1回答
基于小数据集的转移学习和CNN的比较
machine-learning、neural-network、cnn、transfer-learning
我在CNN做图像分类，我有一套3200 imges的训练集和400张图像的训练集。我使用了两种不同的方法来完成这个分类:转移、学习和从头开始创建CNN。在转移学习的情况下，我的准确率为85%，而从零开始构建网络的准确率为89%。
但是通常一个小的数据集不应该传输精益有更好的性能？首先要考虑的是，我使用早期停止作为正则化技术，在迁移学习的情况下，这在18世纪停止了训练过程，而CNN从零开始我到达了10
浏览 0提问于2019-12-14得票数 1
回答已采纳
1回答
我们如何结合ANN+CNN和组合CNN+SVM呢？
neural-network、classification、conv-neural-network、svm
我已经训练了支持向量机，细胞神经网络和神经网络上的UCF-101数据集，支持向量机和神经网络使用CSV文件的色调和LBP的特征，而CNN使用的分类图像和我想结合{支持向量机和CNN}和{ANN和CNN我已经提取了数据集中的每个视频的第一个关键帧，然后计算它的LBP histogram.Used它作为图像的特征，写在csv连同它的标签(我只选择了5类数据的101个可用)，然后训练支持向量机和神经网络上的对于CNN，我提取了图像的LBP特征并将其转换为<e
浏览 87提问于2019-05-15得票数 0
1回答
CNN图像二值分类准确率50%
python、keras、sequential
to_categorical(train_labels), validation_data=(test_images, to_categorical(test_labels)),结果在50%
浏览 2提问于2020-06-18得票数 0
回答已采纳
1回答
如何使用CNN和pytorch改进猫狗分类
python、machine-learning、deep-learning、conv-neural-network、pytorch
在本文中，我试图遵循CNN的体系结构，使用深度卷积神经网络()进行ImageNet分类。在这篇论文中，他们试图对1000个类进行分类，而我只尝试对2个类进行分类。但是，我的测试准确率停留在50%，并且模型没有学习。这是我的笔记本的网址
有谁能告诉我出了什么问题吗？我错过了什么？乐于学习。
浏览 2提问于2019-08-27得票数 0
2回答
创建用于对象检测的自定义数据集
machine-learning、deep-learning、dataset、cnn、object-detection
到目前为止，我的做法是：LabelImg注解我有两个问题：在我捕获了我的图像之后(比如说通过智能手机)，在使用培训数据之前，是否有任何预处理步骤(注释除外)是必要的？(即调整图像大小，缩小文件大小和格式)
当然，任何帮助都是值得赞赏的，当然，其他一些你觉得有用的建议
浏览 0提问于2020-02-29得票数 2
1回答
图像分类器不能很好地概括到轻微的图像扰动
python、machine-learning、computer-vision、image-recognition、convolutional-neural-network
我正在训练CNN将一张28x28RGB的图像分类为200个类别。分类器在训练集上达到~95%的准确率。测试图像是通过截图、裁剪和调整roi到28x28来获得的。这种图像处理会导致训练图像和测试图像略有不同(附加示例)。尽管人眼几乎察觉不到这种差异，但它会导致我的分类器的准确率大幅下降。我的分类器在训练集上达到了
浏览 4提问于2018-06-20得票数 0
1回答
卷积神经网络中的过拟合
machine-learning、neural-network、conv-neural-network
我申请CNN对手势进行分类，我有10个手势和100个手势图像。我所建立的模型对训练数据的准确率约为97%，而我在测试数据中的准确率为89%。
浏览 0提问于2018-02-06得票数 1
回答已采纳
2回答
机器学习算法在图像识别中的输入是什么？
machine-learning、classification、image-classification
我正在做一个项目，其中包括将图像分类为猫或狗的图像，而不使用CNN。我使用SKImage将图像转换为矩阵，并将其更改为灰度，以减少维数和复杂度。然后我将矩阵压缩到向量中，并将它们输入到SVC、Logistic回归和随机GD分类器中，但它们都非常精确，准确率低于60%。这让我相信我把图像转换成了错误的格式，这就是为什么ML标志无法适应数据的原因。那么我该把它们转换成什么呢？我应该使用特征提取吗？
浏览 0提问于2020-06-14得票数 0
4回答
在对疾病进行分类时，有哪些可能的方法来检测皮肤？
classification、keras、tensorflow、image-classification
我正在研究一个皮肤病分类问题，我已经成功地创建了一个分类器( TensorFlow + Keras )，它可以对两种皮肤病的图像进行分类。样本是否是皮肤的图像。如果发现一种疾病，它属于哪一类(CLASS1:黑色素瘤或CLASS2:银屑病)
如何创建能够执行以下任务的分类器？我需要图像定位还是CNN或者类似YoLo之类的东西？我应该实施哪些步骤？
浏览 0提问于2019-04-16得票数 6
回答已采纳
0回答
验证准确率在增加，但验证损失也在增加
python、tensorflow、machine-learning、neural-network、conv-neural-network
我正在使用CNN网络将图像分类为5类。我的数据集的大小约为370K。我正在使用Adam优化器，学习率为0.0001，批量大小为32。令人惊讶的是，随着时间的推移，我的验证准确率得到了提高，但验证损失却在不断增加。这背后的原因是什么？
浏览 7提问于2018-07-13得票数 2
1回答
如何在TensorFlow中提高CNN的预测能力？
python、tensorflow、deep-learning、conv-neural-network
我在TensorFlow中使用具有两个卷积层的CNN，一个完全连接的层和一个线性层来预测对象的大小。标签是大小，特征是图像。有没有人可以推荐一些我可能考虑的方法来提高交叉验证的准确性，从而提高模型的预测能
浏览 3提问于2018-09-07得票数 0
1回答
Keras二进制分类器教程示例只提供50%的验证精度
python、tensorflow、machine-learning、keras
Keras二进制分类器教程示例只提供了50%的验证精度。对于二值分类，未经训练的分类器本身可以获得近50%的分类精度.optimizer='rmsprop', epochs=50增加了隐藏层的数量
纪元50/<
浏览 4提问于2019-12-01得票数 1
回答已采纳
1回答
为什么我的学习曲线会出现峰值或波动？
python、deep-learning、resnet、loss
我的学习曲线给出了一个3类分类问题的波动。我正在训练使用Resnet 50与899图像类1,899图像类2,690图像类3。我的模型的训练准确率为99.5%，验证准确率为93%，测试准确率为88%，周期= 300，批次大小为32，学习率为0.1。我试着将我的参数调整为50,100,200,300，批大小16,32，学习率0.1,
浏览 2提问于2021-07-26得票数 0
1回答
训练CNN似乎效果不错，但测试时效果不佳
python、tensorflow、machine-learning、conv-neural-network
我已经训练了一个cnn模型来分类货币。在培训结束时，该模型似乎在培训和验证数据集方面表现很好。=====] - 243s 2s/step - loss: 0.3176 - accuracy: 0.8881 - val_loss: 0.3223 - val_accuracy: 0.9014[0. 0. 0. 0. 0.
浏览 2提问于2020-10-17得票数 0
回答已采纳
1回答
组合卷积神经网络
python、image、tensorflow、conv-neural-network、audio-processing
我的工作是音频分类，并使用谱图和MFCC图im，以便训练CNN图像分类器。目前，我有两个独立的ConvNets对这些功能进行了培训，平均( 55-60%的准确率)。我对每种型号都有两个独立的重量文件。
浏览 3提问于2020-06-29得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
