你好，
我正在训练一个CNN模型，用于使用图像分类识别路面损坏。我有三种类型的缺陷(鳄鱼裂缝，凹坑和车辙)。当我运行我的模型时，它只预测了三个类中的一个，使我的模型精度达到33.33%。我尝试改变训练参数/选项，但结果是一样的。我希望有人能帮我找出原因。我使用的代码如下所示。提前谢谢。
_______________________________________________________________________________________________________________________________________
rootFolder = fullfile ('CNN输入');
类别= {'鳄鱼裂缝'，'坑洼'，'rutting'};
IMDS = imageageAtastore（fullfile（rootfolder，类别），'labelsource'，'foldernames'）;
TBL = CONSECHANCHLABEL（IMDS）;
minsetcount = min（tbl {：，2}）;
CountAckeLabel（IMDS）;
alligatorcracks = find（imds.labels =='鳄鱼裂缝'，1）;
凹坑=找到(imd)。标签= =“坑坑洼洼”,1);
rutting = find（imds.labels =='rutting'，1）;
net = alexnet（）;
rng(“违约”);
net.Layers (1);
Net.Layers（END）;
numel（net.layers（结束）.classnames）;
[trainingSet, testSet, validationSet] = splitEachLabel(imds,0.75,0.15，'randomize');
图象尺寸= net.Layers (1) .InputSize;
AugmentedTrainingset = AugmentedimageGedAtastore（图像化，培训集，'ColorPrepossing'，'Gray2RGB'）;
AugmentedTestset = AugmentedimageDataStore（图像，测试集，'ColorPrepossing'，'Gray2RGB'）;
augmentedValidationSet = augmentedImageDatastore(图象尺寸、validationSet ' ColorPreprocessing ', ' gray2rgb ');
w1 = net.layers（2）。重量;
w1 = mat2gray（w1）;
featurelayer =“drop7”;
TrainingFeatures =激活（Net，AugmentedTraininget，FeatureLayer，'Minibatchsize'，32，'Outputas'，'列'）;
选项= TrainingOptions（'sgdm'，...
“LearnRateSchedule”、“分段”,…
'Searchratedropfactor'，0.2，...
'searnratedropperiod'，1，...
“MaxEpochs”8…
'Minibatchsize'，16，......
'Plots'，'培训 - 进步'，......
“洗牌”、“一次”);
numclasses = 3;
layersTransfer = net.Layers (1: end-3);
层= [
图案转移
全连接列（numcrasses，'weyrlearnratefactor'，20，'biaslearnratefactor'，20）
softmaxlayer.
ClassificationLayer];
TrousaInnet = Trainnetwork（AugmentedTraininget，图层，选项）;
traininglabels =培训。标签;
分类器= fitcecoc（TrainingFeatures，培训标签，'学习者'，'线性'，'编码'，'OneVsall'，'观察'，'列'）;
testFeatures =激活(trainedNet,augmentedTestSet, featurelayer，'MiniBatchSize'， 32，'OutputAs'， 'columns');
validationFeatures =激活(trainedNet,augmentedValidationSet, featurelayer，'MiniBatchSize'， 32，'OutputAs'， 'columns');
predictlabels =预测（分类器，testfeatures，'观察'，'列'）;
validationFeatures predictLabelss =预测(分类器,“ObservationsIn”,“列”);
testLables = testSet.Labels;
validationLables = validationSet.Labels;
Confmat =困惑硕士（避孕网，预测标签）;
confmatt = confusionmat（验证，预测标签）;
= bsxfun(@rdivide, confMat, sum(confMat,2));
confmatt = bsxfun（@rdivide，confmatt，sum（confmatt，2））;
意思是(诊断接头(confMat));
意思（Dig（Confmatt））;
