高精度和正确评估但错误预测的CNN模型

Question

我正在研究一个肿瘤分类问题，我有4类胶质瘤(1624例)、脑膜瘤(1645例)、结节(2000例)和垂体(1757例)。我保存的模型有问题，当我这样做的时候，混乱矩阵显示出几乎完美的结果--没有偏见或任何东西。

model.evaluate(test_set)

我得到: categorical_accuracy: 0.9872，0.06456023454666138，0.9871976971626282

​

​

但是，当我尝试做预测时，所有的结果都是错误的(即使我有意为模型注入训练数据来预测)，我也为预测编写了这个函数：

def predict_on_one_image(model,image_path):
  img = imread(image_path)
  img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
  img = np.expand_dims(np.stack((img,)*3, axis=-1), axis=0).astype(np.float32)
  p = model6.predict(img)

  return {'class':p.argmax(axis=-1)[0],'probability':p}

我的标签是：

{'glioma': 0, 'meningioma': 1, 'notumor': 2, 'pituitary': 3}

如果我试图从训练集中预测出图像的类别，原始类别=胶质瘤

predict_on_one_image(model6,'path_here/training/glioma/Te-gl_0016.jpg' )

我得到的等级预测是新的

{'class': 2, 'probability': array([[0., 0., 1., 0.]], dtype=float32)}

我怀疑它是否偏重于无瘤，因为它有最多的数据(类不平衡问题)，但无论如何，我是否可以得到正确的预测，而不必再次运行模型？

Answer 1

基本上，我需要处理用于预测的图像，就像我处理它们以进行培训一样(我使用ImageDataGenerator重新标定了它们)。

我添加了这几行代码，它可以正确地预测：

img = imread('path_here/testing/notumor/Te-no_0164.jpg')
x = asarray(img)
x = x / 255.
x = np.expand_dims(x, axis=0)
images = np.vstack([x])
classes = model6.predict(images, batch_size=10)
print('Predicted class is :')
print(np.argmax(classes))

贷记：This comment