Tensorflow Keras中的水印二值分类器

Question

我的目标是创建一个模型，该模型可以根据是否存在一个特定的水印来对图片进行分类。如果我想检查一个不同的水印，理想情况下，它将创建另一个数据集与新的水印，并重新训练模型。据我所知，这是一个二进制分类器。

这样做对吗？

我被困在我的模型，以确定一个图片上是否有水印。我的指标不会从。示例：

loss: 0.6931 - accuracy: 0.5000 - val_loss: 0.6931 - val_accuracy: 0.5000

我已经准备了一个数据文件夹结构，类似于：

培训

• Watermark
• No_watermark

验证

• Watermark
• No_watermark

我使用了一个数据集，每个类别中有1000幅图像。下面是我的数据集的示例，其中有我自己的水印：

• https://drive.google.com/file/d/1JBdbIw1yehx9XX9S6X7esVhVL8NG1dAK/view?usp=sharing
• https://drive.google.com/file/d/14Rxul13zGzXgKD9GZeudn_K69BRBJ1tR/view?usp=sharing
• https://drive.google.com/file/d/1oeXxSjppDMScoj04hzEEl3587ccCFqrB/view?usp=sharing

希望你能帮上忙.

如果我改变了图像的大小、年代和dataset?

• Should，我如何才能将我的模型“识别”为“识别”我的“损失”和“准确性”--即使我改变了图像大小、年代、dataset？

• Should，我只是用带有增强和无背景的水印图像来训练模型呢？

model = tf.keras.models.Sequential([
        tf.keras.layers.Conv2D(64, (3,3), activation='relu', input_shape=(250, 250, 3)),
        tf.keras.layers.MaxPooling2D(2, 2),
        tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
        tf.keras.layers.MaxPooling2D(2,2),
        tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
        tf.keras.layers.MaxPooling2D(2,2),
        tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
        tf.keras.layers.MaxPooling2D(2,2),
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(512, activation='relu'),
        tf.keras.layers.Dense(1, activation='sigmoid')
])

model.compile(loss = 'binary_crossentropy',
                      optimizer='rmsprop',
                      metrics=['accuracy'])

history = model.fit(train_generator, 
                  epochs=25,
                  validation_data = validation_generator,
                  verbose = 1,
                  validation_steps=3)

谢谢

Answer 1

由于您正在执行二进制分类，您是否将ImageDataGenerator.flow_from_directory方法中的ImageDataGenerator.flow_from_directory参数设置为'binary'？默认的是'categorical'，这不是您在这里应该使用的，因为您只有一个输出节点。

这是一个常见的陷阱。我猜一开始的准确性值是0.5，因为您可能有相同数量的水印图像和非水印图像，而且性能从未提高，因为您传递了class_mode的错误值。

TL;DR:在class_mode='binary'中设置flow_from_directory (而不是默认的class_mode='categorical')。