低损耗和非常低的精度

Question

我正在训练一个深度学习模型并且得到一个非常低的准确度，但也是低损失，这是两个反向相关的。这种极低精度的原因是什么？如何阻止它呢？

模型应检测视频场景中的异常事件

我用来构建模型的研究论文链接

https://arxiv.org/abs/1604.04574

模型架构

这是我的代码：

model = Sequential()

model.add(TimeDistributed(Convolution2D(512, 11, 11 ,activation='relu'  ,  border_mode='valid', subsample = (4,4))
                      , input_shape=(10,231, 231, 1)))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2), strides=None, border_mode='valid')))
model.add(TimeDistributed(Convolution2D(256,5, 5,activation='relu'  , border_mode='same')))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2), strides=None, border_mode='valid')))
model.add(TimeDistributed(Convolution2D(128,3,3,activation='relu'  , border_mode='same'))),
model.add(TimeDistributed(Conv2DTranspose(128, 3,3,border_mode='same')))
model.add(TimeDistributed(UpSampling2D(size=(2, 2, ))))
model.add(TimeDistributed(Conv2DTranspose(256, 3,3,border_mode='same')))
model.add(TimeDistributed(UpSampling2D(size=(2, 2, ))))
model.add(TimeDistributed(Conv2DTranspose(512,5,5,border_mode='same')))
model.add(TimeDistributed(Conv2DTranspose(1, kernel_size=(11,11),strides=(4,4))))

Answer 1

问题在于，您在此处解决的任务更多的是回归任务而不是分类任务。计算accuracy时 - 如果两个float数字相等，则会正确标记示例，即使您拥有非常好的模型，这也是非常罕见的。因此，我不会对准确性进行太多考虑，并尝试计算，例如R2得分。