kerasの画像分類のval_accが上がらない

Question

前提・実現したいこと

InceptionV3をファインチューニングし，画像分類（分類数 : 300）をGPUにて学習させていますが，
accuracyは，98%と高くなっていますが，val_accuracyは，35%と低く，
lossは，順調に下がっていますが，val_lossは変動しており，過学習が発生しています．

学習用と検証用の精度の乖離が大きい原因と改善方法について教えてください．

・データの読み込み：ImageDataGeneratorをflow_from_directoryでディレクトリ配下を読み込み
・Epoch数：5
・optimizer : Adam(amsgrad=True)

該当ソースコード

top_model = InceptionV3(weights='imagenet', include_top=False, input_tensor=(299, 299, 3))
x = top_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(512, activation='relu')(x)
x = BatchNormalization()(x)
predictions = Dense(classifies_num, activation='softmax')(x)
model = Model(inputs=top_model.input, outputs=predictions)
for layer in top_model.layers:
    layer.trainable = False

フォルダ構成

train/   各フォルダ300枚
       0001/
            ×××1.jpg
            ×××2.jpg
       0002/
            ×××3.jpg
       0003/
            ×××4.jpg
validation/  各フォルダ75枚
           0001/
               ○○○1.jpg
           0002/
               ○○○2.jpg
           0003/
               ○○○2.jpg

Comments

[tiitoi]

枚数が少ないからではないでしょうか？各クラス最低でも1000枚ぐらいは頑張って集めてください

[hs_ryo]

早速のご回答ありがとうございます。枚数集めて再度実行してみます。