機械学習における検証データの精度が向上しない。

前提・実現したいこと

画像3種類をPythonを用いて分類したいと考えております。
各画像200枚ずつ用意し、水増し(1枚の画像データから18枚)を行い合計10800枚のデータセットを作成しました。
これが("./photo-min.npz")にあたります。

各画像200枚ずつ用意し、水増しを行わなかった合計600枚のデータセットを作成しました。
これが("./photo-test.npz")にあたります。

機械学習の結果をグラフに表すと以下のようになりました。

このようにtestにおける精度とロスがtrainのような理想的なグラフにならない原因を教えていただきたいです。

該当のソースコード

from keras.models import Sequential
from keras.layers import Activation, Dense, Flatten
import numpy as np
from keras.preprocessing.image import ImageDataGenerator

classes = 3
data_size = 75 * 75 * 3

def main():
	data = np.load("./photo-min.npz")　#10800枚のデータセット
	x = data["x"]
	y = data["y"]

	data = np.load("./photo-test.npz") #600枚のデータセット
	x_test = data["x"]
	y_test = data["y"]
	x = np.reshape(x, (-1, data_size))
	x_test = np.reshape(x_test, (-1, data_size))
	model = train(x, y)
	model_eval(model, x_test, y_test)

def train(x, y):
	model = Sequential()
	model.add(Dense(units=128, input_dim=(data_size)))
	model.add(Activation('relu'))
	model.add(Dense(units=classes))
	model.add(Activation('softmax'))
	model.compile(loss='sparse_categorical_crossentropy',
		optimizer='sgd', metrics=['accuracy'])
	model.fit(x, y, epochs=30)
	json_string = model.model.to_json()
	open('./men_predict.json', 'w').write(json_string)
	hdf5_file = "./men_predict.hdf5"
	model.model.save_weights(hdf5_file)
	return model

def model_eval(model, x, y):
	score = model.evaluate(x, y)
	print('loss=', score[0])
	print('accuracy=', score[1])

if __name__ == "__main__":
	main()