python - 我的 CNN 总是得出 0 或 1，而不是百分比。为什么？

Question

我正在使用 Keras 构建一个多类多标签对象识别 CNN，它将给出图像属于哪个类的百分比置信度。不幸的是，当我运行 model.predict() 方法时，我似乎无法让它给出百分比，而只能为每个类提供 0 或 1 值。我的代码是否有问题，或者只是还没有接受足够图像的训练？ (是的，我正在使用模型从未见过的新照片进行预测。)

#building the CNN
classifier = Sequential()

classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 
'relu'))

classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Dropout(0.25))

classifier.add(Flatten())

classifier.add(Dense(units = 128, activation = 'relu'))

classifier.add(Dense(units = 64, activation = 'relu'))

classifier.add(Dense(units = 4, activation = 'sigmoid'))

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', 
metrics = ['accuracy'])

datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True,
validation_split = 0.1)

training_set = datagen.flow_from_directory('images',
target_size = (64, 64),
batch_size = 32,
class_mode = 'categorical',
subset = 'training')

test_set = datagen.flow_from_directory('images',
target_size = (64, 64),
batch_size = 32,
class_mode = 'categorical',
subset = 'validation')

classifier.fit_generator(training_set,
steps_per_epoch = training_set.samples,
epochs = 10,
validation_data = test_set,
validation_steps = test_set.samples)

#predicting new image class
test_image = image.load_img(r'XXXX', target_size = (64, 64))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis = 0)
result = classifier.predict_proba(test_image)
print (result)

训练输出:

# Epoch 10/10
# 237/237 [==============================] - 14s 58ms/step - loss: 1.3194e-04 - acc: 1.0000 - val_loss: 0.0312 - val_acc: 0.9860

这些是我的损失/准确性。

[[1. 1. 0. 0.]]

这是预测新图像的示例结果。我什至给了我的模型高度不相关的图像，但它们仍然返回相似的结果。

我意识到 237 张照片是一个非常小的训练池；我将在接下来的几个月内增加图像数据库。

Answer 1

要获得百分比输出，请在输出层中使用 softmax 激活函数来获取概率。无论如何，您都不应该使用 sigmoid 激活函数，因为它们存在梯度消失问题。

classifier = Sequential()

classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 
'relu'))

classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Dropout(0.25))

classifier.add(Flatten())

classifier.add(Dense(units = 128, activation = 'relu'))

classifier.add(Dense(units = 64, activation = 'relu'))

classifier.add(Dense(units = 4, activation = 'softmax'))

另一个可能的原因可能是数据缩放。请引用Returning probabilities in a classification prediction in Keras?寻求解决方案。