Das Convolutional Neural Network erreicht eine unerwartet hohe Validierungsgenauigkeit. Was könnte die Ursache dafür sei ⇐ Python

[Guest]

Ich baue/optimiere ein CNN für die Klassifizierung von Autos aus diesem Datensatz.
Mein Basismodell erreicht durch eine sehr einfache Modellarchitektur eine überraschend hohe Genauigkeit. Ich befürchte, dass es zu Datenlecks kommt, wenn die Daten nicht geladen werden korrekt eingegeben, ich hätte also bitte ein paar Ratschläge.
Der Datensatz wird geladen

Code: Select all

batch_size = 16
img_size = (64, 64)

train_dataset, val_dataset = tf.keras.utils.image_dataset_from_directory(
data_dir,
label_mode='categorical',
seed=1,
subset='both',
validation_split=0.2,
image_size=img_size,
batch_size=batch_size,
)

normalization_layer = Rescaling(1./255)

train_dataset = train_dataset.map(lambda x, y: (normalization_layer(x), y))
val_dataset = val_dataset.map(lambda x, y: (normalization_layer(x), y))

Erstellen des Modells

Code: Select all

def baseline_model(input_shape=[64, 64, 3]):
model = Sequential([

# 1st Conv Layer
Conv2D(filters=16, kernel_size=(3, 3), activation='relu', padding='valid', input_shape=input_shape),
# Pool Layer
MaxPooling2D((2, 2)),
# 2nd Conv Layer
Conv2D(filters=32, kernel_size=(3, 3), activation='relu', padding='valid'),
# Pool Layer
MaxPooling2D((2, 2)),
# Flatten
Flatten(),
# Fully connected layer
Dense(64, activation='relu'),
Dense(5, activation='softmax')
])
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy', Precision(name='precision'), Recall(name='recall')])
return model

baseline_model = baseline_model()

Passendes Modell

Code: Select all

history = baseline_model.fit(
train_dataset,
epochs=10,
validation_data=val_dataset,
#callbacks=[ConfusionMatrixCallback(val_dataset, class_names)]
)

plot_training_history(history)