验证精度停留在0.5073

Question

我试图创建一个回归模型，但我的验证精度保持在.5073。我试图训练图像，让网络找到一个物体的位置和它覆盖的粗糙区域。我增加了解冻层和精度的平台下降到.4927。如果能帮我找出我做错了什么，我将不胜感激。

base = MobileNet(weights='imagenet', include_top=False, input_shape=(200,200,3), dropout=.3)
location = base.output
location = GlobalAveragePooling2D()(location)
location = Dense(16, activation='relu', name="locdense1")(location)
location = Dense(32, activation='relu', name="locdense2")(location)
location = Dense(64, activation='relu', name="locdense3")(location)
finallocation = Dense(3, activation='sigmoid', name="finalLocation")(location)

model = Model(inputs=base_model.input,outputs=finallocation)#[types, finallocation])
for layer in model.layers[:91]: #freeze up to 87
    if ('loc' or 'Loc') in layer.name:
        layer.trainable=True
    else: layer.trainable=False

optimizer = Adam(learning_rate=.001)
model.compile(optimizer=optimizer, loss='mean_squared_error', metrics=['accuracy'])
history = model.fit(get_batches(type='Train'), validation_data=get_batches(type='Validation'), validation_steps=500, steps_per_epoch=1000, epochs=10)

数据是由一个包含图像数据和一些标签的tf记录文件生成的。这是发电机的最后一点。

IMG_SIZE = 200
def format_position(image, positionx, positiony, width):
    image = tf.cast(image, tf.float32)
    image = (image/127.5) - 1
    image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))
    labels = tf.stack([positionx, positiony, width])
    return image, labels

获取批处理：数据集从两个目录加载，其中包含tfrecord文件，一个用于培训，另一个用于验证

def get_batches(type):
    dataset = load_dataset(type=type)
    if type == 'Train':
        databatch = dataset.repeat()
    databatch = dataset.batch(32)
    databatch = databatch.prefetch(2)
    return databatch

```positionx positiony width``` are all normalized from 0-1 (relative position with respect to the image.
Here is an example output:

1月1/1000/1000 1000/1000（第1==========================================================================================================================================================================================第4-233-233ms/步-损失：0.0267-准确：0.5867-准确：0.5833-瓦卢损失：0.5833-瓦卢-损失：0.0330-损失：0.0330-瓦利：0.0330-瓦-瓦-准确：0.30-瓦-瓦-准确：准确：准确：0.30-瓦-准确：准确：准确：准确：准确：准确：0.0330-瓦-准确：准确：准确：准确：准确：0.30-准确：准确：准确：准确：0.0330-准确：准确：准确：准确：准确：0.30-准确：准确：准确：准确：准确：0.30-============]-221s 221ms/步-损耗：0.0238-精度：0.6309-val_损耗：0.0312-val_精度：0.5073

Answer 1

1. 您的模型中的最终激活函数不应为sigmoid，因为它将输出介于0和1之间的数字，并且我假设您的标签（即positionx、positiony和width不在此范围内）。您可以将其替换为'linear'或'relu'
2. 你在做回归，你的损失函数是“均方误差”。不能将精度用作度量函数。应使用'mae'（平均绝对误差）或'mse'检查预测值与实际目标值之间的差异