基于CNN的图像二分类单类指标全0问题求助

任务与数据集说明 #

• 二分类任务：区分wood（木材堆）和none_wood（非木材堆，包含文档、数字、人物等图像）
• 训练集：4655张wood图像，4566张none_wood图像（通过Augmentor工具扩充none_wood类数据）
• 测试集：每类各1139张图像

采用的CNN模型结构 #

classifier = Sequential()
classifier.add(Convolution2D(32,(3,3),input_shape = (175,130,3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Convolution2D(64,(3,3),input_shape = (175,130,3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Flatten())
classifier.add(Dense(128, activation = 'relu'))
classifier.add(Dense(1, activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

初始训练后的异常表现 #

• 分类报告显示其中一类的Precision、Recall、F1-Score全部为0
• 混淆矩阵中FP（假阳性）、TN（真阴性）数值为0
• 整体准确率仅为0.5
• 已尝试调整epoch（最多训练10轮）、添加早停回调、使用ImageDataGenerator做数据增强、更换优化器和损失函数，但问题均未得到改善

关键操作与疑问 #

原本测试集目录分为wood和none_wood两个子目录，将所有测试图像合并到单个testSet目录后，所有分类指标（Precision、Recall、F1-Score、准确率）均变为1.0。请问这是什么原因？我遗漏了哪些细节？

内容的提问来源于stack exchange，提问作者Harun Harman