tensorflow - CNN Keras 对象本地化 - 错误的预测

Question

我是机器学习的初学者，目前正在尝试预测图像中对象的位置，该图像是我创建的数据集的一部分。

该数据集总共包含约 300 张图像，并包含 2 个类别(Ace 和 Two)。

我创建了一个 CNN，可以预测是 A 还是 2，准确率约为 88%。

由于这个数据集做得很好，我决定尝试预测卡片的位置(而不是类别)。我阅读了一些文章，根据我的理解，我所要做的就是采用与我用来预测类别的相同的 CNN，并将最后一层更改为 4 个节点的密集层。这就是我所做的，但显然这不起作用。

这是我的模型:

model = Sequential()

model.add(Conv2D(64,(3,3),input_shape = (150,150,1)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=2))

model.add(Conv2D(32,(3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=2))

model.add(Dense(64))
model.add(Activation("relu"))

model.add(Flatten())
model.add(Dense(4))

model.compile(loss="mean_squared_error",optimizer='adam',metrics=[])

model.fit(X,y,batch_size=1,validation_split=0,
epochs=30,verbose=1,callbacks=[TENSOR_BOARD])   

我为模型提供的内容:

X:150x150 像素的灰度图像。每个像素在 [0-1] 之间重新缩放

y:对象的最小 X 坐标、最高 Y 坐标、宽度和高度(每个值都在 [0-1] 之间。

这是它给我的预测示例:

[array([ 28.66145 ,  41.278576,  -9.568813, -13.520659], dtype=float32)]

但我真正想要的是:

[0.32, 0.38666666666666666, 0.4, 0.43333333333333335]

我知道这里出了问题，所以我决定在单个图像上训练和测试我的 CNN(因此如果有效的话，它应该会过度拟合并预测该单个图像的正确边界框)。即使在对这张单张图像进行过度拟合之后，预测值仍然高得离谱。

所以我的问题是:我做错了什么？

编辑 1

尝试@Matias 的解决方案(即在最后一层添加 sigmoid 激活函数)后，所有输出值现在都在 [0,1] 之间。

但是，即使这样，模型仍然会产生不好的输出。例如，在同一图像上训练 10 个 epoch 后，它预测了这一点:

[array([0.0000000e+00, 0.0000000e+00, 8.4378130e-18, 4.2288357e-07],dtype=float32)]

但我期望的是:

[0.2866666666666667, 0.31333333333333335, 0.44666666666666666, 0.5]

编辑2

好吧，经过一段时间的实验，我得出的结论是问题要么是我的模型(它的构建方式)或者缺乏训练数据。

但即使这是由于缺乏训练数据引起的，我也应该能够在一张图像上对其进行过度拟合，以便获得对此图像的正确预测，对吗？

我创建了另一篇帖子，询问我的最后一个问题，因为原始问题已经得到解答，我不想完全重新编辑该帖子，因为这会使第一个答案变得毫无意义。

Answer 1

由于您的目标(Y 值)已标准化为 [0, 1] 范围，因此模型的输出应与此范围匹配。为此，您应该在输出层使用 sigmoid 激活，因此输出被限制在 [0, 1] 范围内:

model.add(Dense(4, activation='sigmoid'))