画像分類問題で元データの精度を上げたい

前提・実現したいこと

カラー画像で分類問題を解いています。
元のデータ（410×254のカラー画像）をリサイズし50×30にすると精度が高く出るが
元のデータで実装すると精度が低いままepochを大きくしても同じ制度になってしまいます。
元のデータで精度を高くするためにはどのようにすれば良いでしょうか。

・データ数：1440
・学習データ数：1152
・検証データ数：288
↑元のデータの精度と損失係数
↑リサイズデータの精度と損失係数
以下が使用している構造です。

python
1 model = Sequential()
2    if input == None :
3      model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=self.x_train.shape[1:]))
4    else :
5      model.add(Convolution2D(32, 3, 3, border_mode='same', input_shape=input))
6
7    model.add(Activation('relu'))
8    model.add(MaxPooling2D(pool_size=(2, 2)))
9    model.add(Dropout(0.25))
10    model.add(Convolution2D(64, 3, 3, border_mode='same'))
11    model.add(Activation('relu'))
12    model.add(Convolution2D(64, 3, 3))
13    model.add(MaxPooling2D(pool_size=(2, 2)))
14    model.add(Dropout(0.25))
15    model.add(Flatten()) !
16    model.add(Dense(512))
17    model.add(Activation('relu'))
18    model.add(Dropout(0.5))
19    model.add(Dense(self.nb_classes))
20    model.add(Activation('softmax'))

hayataka2049

2019/01/10 10:12

どんなネットワーク構造でやっているのか書いてください

hayataka2049

2019/01/10 11:30 編集

そのネットワーク構造でリサイズした場合としなかった場合両方やっているのでしょうか。また、追加の追記依頼で申し訳ないんですが、・データ数・学習データ・検証データに対するepoch対精度・損失のデータ（グラフだと嬉しい）。リサイズした場合としなかった場合でをそれぞれ示したほうが回答がつきやすいと思います。