我正在使用一个非常简单的模型对 224x224 RGB 图像进行分类。

对于测试，我根据图像上部的单个固定像素的颜色标记了我的图像（2 个标签“绿色”或“红色”，每个 2,000 个图像）。

我的简单模型实现了非常高的精度和非常低的损失，直到我在图像的下部添加更多“随机”像素。

为什么我的模型变得混乱？

该模型可以轻松应对：

但是，当我在图像的下部添加更多像素时 - 它只能达到 50% 的准确度和高损失：

这些项目有点简单，但我正在研究一个我可以控制的简单图像结构。

def VerySimpleNet():
    model = keras.Sequential([
        keras.layers.Conv2D(16, kernel_size=3, activation=tf.nn.relu, input_shape=(224, 224, 3)),
        keras.layers.Dropout(0.4),
        keras.layers.Flatten(),
        keras.layers.Dense(3, activation=tf.nn.softmax)
    ])
return model

编辑 1

是否可以在数据科学问题中添加奖励以鼓励更多答案？

编辑 2

如果有人愿意在这个问题上与我进行更具互动性的聊天（电子邮件，txt？），我真的很感兴趣。