CNN未成年人识别训练准确率正常但未成年人样本预测成功率为0求助

1. 归一化尺度不一致（核心错误） #

• 训练阶段：像素值归一化规则为 png = png/250.0
• 推理阶段：加载数据集内已做过归一化的样本后，又重复执行了 image = image/255.0，相当于像素值被压缩至训练阶段数值分布的1/255，完全偏离模型学习的特征区间，导致模型无法正常识别。
  修复方案：推理阶段加载数据集内的样本时，不要重复做归一化；加载外部测试图片时，统一使用和训练阶段一致的归一化规则（除以250，而非255）。

2. 预测输入维度缺失 #

遍历young数据集做批量测试时，直接传入shape为(48,48,1)的png给model.predict()，缺少模型要求的batch维度，导致预测结果异常。
修复方案：预测前给样本增加batch维度，参考代码：

score += int(model.predict(np.expand_dims(png, axis=0))[0][0] > 0.5)

3. 分类阈值处理逻辑错误 #

Sigmoid层输出的是0-1之间的概率值，直接用int()转换的话，只要概率小于1都会被转为0，相当于所有概率在0.5-1区间的未成年人样本都会被错误判定为0。
修复方案：添加0.5分类阈值判断，概率大于等于0.5判定为未成年人（标签1），否则判定为成年人（标签0）。

4. 可选优化：模型结构冗余 #

第二层卷积层之后多添加了一组无前置卷积的BatchNormalization和Activation('relu')层，属于冗余结构，虽然不是本次问题的核心原因，但可以删除避免不必要的计算。

内容的提问来源于stack exchange，提问作者Ulto 4