低损失和非常非常低的准确性

Question

我正在训练一个深度学习模型，并获得一个非常低的准确性，但也是低损失，这是两个负相关。这个精度非常低的原因是什么，我该如何阻止它呢？

模型应该在视频场景检测异常事件

我用来建立模型

https://arxiv.org/abs/1604.04574研究论文的链接

模型体系

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

问题出在这样一个事实，即您在这里解决的任务比分类任务更多的是回归任务。当计算出accuracy时 - 如果两个float数字相等，则示例将被正确标记，即使您拥有非常好的模型，该数字也极为罕见。所以我不会对精度有很大的影响，并尝试计算例如改为R2得分。