CNN 模型 EfficientNetB4 没有正确地“分类”图像。问题出在哪里？

Question

在随机情况下，它将随机狗图像中的“狗”图像显示为“猫”。即使我从火车数据中放狗图像，它也会显示猫在狗的位置。

我使用了 1000 张猫和狗的图像，以及 5% 的数据用于火车的测试休息。

1。构建数据框

df = pd.DataFrame(data=class_lebels, columns=['labels', 'image'])
print(df.head())
print(df.tail())

[输出] DataFrame 结果

标签图像 0 猫 dataset_path/cat/pixabay_cat_002636.jpg
1 只猫 dataset_path/cat/pixabay_cat_002802.jpg
2 猫 dataset_path/cat/flickr_cat_000254.jpg
3 猫 dataset_path/cat/pixabay_cat_002669.jpg
4 猫 dataset_path/cat/pixabay_cat_002815.jpg
标签图像 995 狗 dataset_path/dog/flickr_dog_000542.jpg
996 狗 dataset_path/dog/flickr_dog_000030.jpg
997 狗 dataset_path/dog/flickr_dog_000508.jpg
998 狗 dataset_path/dog/flickr_dog_000358.jpg
999 狗 dataset_path/dog/flickr_dog_000134.jpg

2。将图像大小调整为 EfficiencyNetB4 = 380

import cv2
path = 'dataset/'
dataset_path = os.listdir('dataset')

im_size = 380

images = \[\]
labels = \[\]

for i in dataset_path:
data_path = path + str(i)
filenames = \[i for i in os.listdir(data_path)\]

  for f in filenames:
    img = cv2.imread(data_path + '/' + f)
    img = cv2.resize(img, (im_size, im_size))
    images.append(img)
    labels.append(i)

3。标签编码器

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
y = df['labels'].values
print(y)

y_labelencoder = LabelEncoder()
y = y_labelencoder.fit_transform(y)
print(y)

[输出]适合labelEncoder

['猫''猫''猫''猫''猫''猫''猫''猫''猫''猫''猫''猫''狗''狗''狗''狗' '狗''狗''狗''狗''狗''狗''狗''狗'] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

4。放入 EfficientNetB4 模型

from tensorflow import keras
from keras import layers
from keras.applications import EfficientNetB4

num_classes = 2
img_size = 380
size = (img_size, img_size)

inputs = layers.Input(shape=(img_size, img_size, 3))

使用没有迁移学习的模型 outputs = EfficientNetB4(include_top=True, weights=None, classes=num_classes)(inputs)

5。适合训练

model = tf.keras.Model(inputs, outputs)
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.summary()
hist = model.fit(train_x, train_y, epochs=15, verbose=2, batch_siz`your text`e=6)

[输出] 编译到模型中并使用 hist = model.fit(train_x, train_y, epochs=15, verbose=2, batch_size=6)

第 15 个 epoch 的准确率为 89%。
纪元 15/15
159/159 - 59s - 损失：0.3084 - 精度：0.8947 - 59s/epoch - 369ms/step

[输出]预训练测试结果

preds = model.evaluate(test_x, test_y)
print("Loss = ", str(preds[0]))
print("Accuracy = ", str(preds[1]))

测试准确率为 89%
损失 = 0.22748856246471405
精度 = 0.8999999761581421

7。随机图像测试

from tensorflow import keras
from keras.applications import imagenet_utils
from keras.preprocessing import image
from keras.applications.imagenet_utils import preprocess_input
from keras.applications.imagenet_utils import decode_predictions
from matplotlib.pyplot import imread
from matplotlib.pyplot import imshow

img_path = "/content/dataset/dog/flickr_dog_000014.jpg"

img = cv2.imread(img_path)
img = cv2.resize(img, (380, 380))

x = np.expand_dims(img, axis=0)
x = preprocess_input(x)
print("Input image: ", x.shape)

my_image = imread(img_path)
imshow(my_image)

7。预测在这里出错了

preds = model.predict(x)
print("cat, dog")
preds

[输出] 它显示狗是猫

1/1 [==============================] - 0s 53ms/step
猫，狗
array([[1., 0.]], dtype=float32)

你们能帮帮我吗，问题出在哪里？