Kerasで画像分類した結果が1項目しか出てきません.

Question

こんにちは, 現在Kerasを使用して画像の分類(２クラス)に取り組んでいます.
皆様のおかげで, 学習段階, モデル保存はエラーなく実行できました.

しかし, いざ保存したモデルを利用して画像を分類させると,
本来ならば, [クラス1の確率, クラス2の確率]となるはずなのですが,
今回[確率]のみとなってしまい, 困っています.

本環境について

Win 10
jupyter notebook
-python 3.6
-Keras 2.x　
以上の環境で実行しております.

使用画像について

使用画像は, 240*160の画像となります.

こちらをtrain 400枚ずつ, validation 100枚ずつ, test10枚ずつ用意しました.
(サンプル少ないのは承知の上です)

ソースコードについて

学習段階までは, こちらを,
モデル利用からはこちらのページのコードを使用しております.

import numpy as np
from keras.models import model_from_json
from keras.preprocessing.image import load_img, img_to_array
from keras import layers
from keras import models

model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(150,150,3)))
model.add(layers.MaxPooling2D((2,2)))

model.add(layers.Conv2D(64,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))

model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))

model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))

model.add(layers.Flatten())

model.add(layers.Dense(512,activation="relu"))
model.add(layers.Dense(1,activation="sigmoid"))

model.summary()

from keras import optimizers
 
model.compile(loss="binary_crossentropy",
             optimizer=optimizers.RMSprop(lr=1e-4),
             metrics=["acc"])

##正規化
from keras.preprocessing.image import ImageDataGenerator
train_dir = "/~~/train"
validation_dir = "/~~/validation"

train_datagen = ImageDataGenerator(rescale=1./255)
validation_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(150,150),
    batch_size=20,
    class_mode="binary"
)
validation_generator = validation_datagen.flow_from_directory(
    validation_dir,
    target_size=(150,150),
    batch_size=20,
    class_mode="binary"
)

##学習
history = model.fit_generator(train_generator,
                             steps_per_epoch=100,
                             epochs=30,
                             validation_data=validation_generator,
                             validation_steps=50)
##モデルの保存
json_string=model.to_json()
open("/~~/train.json","w").write(json_string)
model.save_weights("/~~/train.hdf5")


##未知の画像を分類
import cv2
for i in range(1, 21):
    img = cv2.imread("/~~/test ({0:d}).jpg".format(i))
    
    # 入力画像サイズ - 訓練時の画像サイズと合わせる
    INPUT_IMAGE_SIZE = 150

    # GrayScaleのときに1、COLORのときに3にする - 訓練時のカラーチャンネル数と合わせる
    COLOR_CHANNEL = 3

    # 確認したい画像へのフルパス
    TEST_PATH =  "/~~/test ({0:d}).jpg".format(i)

    # 今回利用するアーキテクチャと重みのファイルへのパス
    MODEL_ARC_PATH = '/~~/train.json'
    WEIGHTS_PATH = '/~~/train.hdf5'
    
    # 今回は1枚の画像だが複数画像対応も可能
    test_images = []

    # テスト画像の入力部分
    if COLOR_CHANNEL == 1:
        img = load_img(TEST_PATH, color_mode = "grayscale", target_size=(INPUT_IMAGE_SIZE, INPUT_IMAGE_SIZE))
    elif COLOR_CHANNEL == 3:
        img = load_img(TEST_PATH, color_mode = "rgb", target_size=(INPUT_IMAGE_SIZE, INPUT_IMAGE_SIZE))
        array = img_to_array(img)
        test_images.append(array)

    test_images = np.array(test_images)

    # imageの画素値をint型からfloat型にする
    test_images = test_images.astype('float32')
    # 画素値を[0～255]⇒[0～1]とする
    test_images = test_images / 255.0

    # -------------------------------------------------------------------------------------
    #                        モデル読み込み部分
    # -------------------------------------------------------------------------------------

    # JSONファイルからモデルのアーキテクチャを得る
    model_arc_str = open(MODEL_ARC_PATH).read()
    model = model_from_json(model_arc_str)

    # モデル構成の確認
    model.summary()

    # モデルの重みを得る
    model.load_weights(WEIGHTS_PATH)

    # -------------------------------------------------------------------------------------
    #                        　　　テスト実行部
    # -------------------------------------------------------------------------------------

    # テストの実行
    result = model.predict(test_images, batch_size=1)

    # 結果の表示
    print('result : ', result)
    max_index = np.argmax(result)
    print('max_index : ', max_index)

そして出ている結果の一部が以下の通りです.

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 148, 148, 32)      896       
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 74, 74, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 72, 72, 64)        18496     
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 36, 36, 64)        0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 34, 34, 128)       73856     
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 17, 17, 128)       0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 15, 15, 128)       147584    
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 7, 7, 128)         0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 6272)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 512)               3211776   
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 513       
=================================================================
Total params: 3,453,121
Trainable params: 3,453,121
Non-trainable params: 0
_________________________________________________________________
result :  [[0.01599144]]
max_index :  0

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 148, 148, 32)      896       
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 74, 74, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 72, 72, 64)        18496     
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 36, 36, 64)        0         
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 34, 34, 128)       73856     
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 17, 17, 128)       0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 15, 15, 128)       147584    
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 7, 7, 128)         0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 6272)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 512)               3211776   
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 513       
=================================================================
Total params: 3,453,121
Trainable params: 3,453,121
Non-trainable params: 0
_________________________________________________________________
result :  [[0.03004535]]
max_index :  0

（中略)

Comments

[Q71]

出力層「layers.Dense(1,activation="sigmoid")」の意図はなんですか？
ImageDataGenerator.flow_from_directory の引数 class_mode="binary" の意図はなんですか？
これらを使用する意図が、出力したいものを得ることに一致していますか？

[daisuke_factex]

コメントありがとうございます.
①出力層「layers.Dense(1,activation="sigmoid")」の意図はなんですか？
→reluと重複していました, 今見たところ, 必要ない気もしました.
②ImageDataGenerator.flow_from_directory の引数 class_mode="binary" の意図はなんですか？
→２クラス問題なのでこちらを使用しております.

[Q71]

①あ、いえ、Dense(1,...)の「1」はなんですか。
出力が1つしかないですよね（binary, 2クラス問題だから）。ということは、回答にあるとおり、「1クラスの確率がｎ%。他のクラスの確率は100-n%」です。
という意図と、「[クラス1の確率, クラス2の確率]となるはず」という、得たいものの意図が合っていますか。

[daisuke_factex]

ありがとうございます.
２クラス分類の場合は, 下記のベストアンサーのように, Aである確率のみを提示するために, 引数を「1」にしているのかなという見解です.

Answer 1

2クラス分類では、ある画像がクラスAである確率というのは、クラスBではない確率と同義です。
すなわち、確率は1つで問題ないはずです。