深層学習の学習曲線の見方について教えてください

Question

深層学習超初心者です。

深層学習によって画像認識を行い、結果について学習曲線を見て評価したいと考えています。

あるWEBサイトに載っているものを実際に動かしてみたのですが、精度を示すグラフが、学習データを用いた精度よりも検証データを用いた精度のほうが高くなってしまっているのですが、これは正しく学習できていないということなのでしょうか？
添付した画像のような学習曲線になっています。
（オレンジ：検証精度、青：学習精度）

初歩的なことで申し訳ありませんがよろしくお願いいたします。

##追記
ソースコードは以下のWEBサイトを参考にしました。
・https://qiita.com/tomo_20180402/items/e8c55bdca648f4877188
・https://spjai.com/keras-fine-tuning/

import os
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras import models
from keras import layers
from keras import optimizers
from keras.layers import Conv2D, MaxPooling2D,Input
from keras.layers import Dense, Dropout, Flatten
import matplotlib.pyplot as plt
import keras

IMAGE_SIZE = 224
N_CATEGORIES = 20
BATCH_SIZE = 64
NUM_EPOCHS = 20

train_data_dir = ''
validation_data_dir = ''

NUM_TRAINING = 80000
NUM_VALIDATION = 12000


model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(224,224,3)))
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(256,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))


model.add(layers.Flatten())
model.add(layers.Dense(128,activation="relu"))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(N_CATEGORIES,activation="softmax")) 


model.compile(loss='categorical_crossentropy',
                          optimizer=optimizers.SGD(lr=1e-4,momentum=0.9),
                          metrics=['acc'])
model.summary() 


train_datagen = ImageDataGenerator(
   rescale=1.0 / 255,
   shear_range=0.2,
   zoom_range=0.2,
   horizontal_flip=True,
   rotation_range=10)
test_datagen = ImageDataGenerator(
   rescale=1.0 / 255,
)

train_generator = train_datagen.flow_from_directory(
   train_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)
validation_generator = test_datagen.flow_from_directory(
   validation_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)

history = model.fit_generator(train_generator,
   steps_per_epoch=NUM_TRAINING//BATCH_SIZE,
   epochs=NUM_EPOCHS,
   verbose=1,
   validation_data=validation_generator,
   validation_steps=NUM_VALIDATION//BATCH_SIZE,
   )


model.save('model.h5') 


# グラフ描画
# Accuracy
plt.plot(range(1, NUM_EPOCHS+1), history.history['acc'], "o-")
plt.plot(range(1, NUM_EPOCHS+1), history.history['val_acc'], "o-")
plt.title('model accuracy')
plt.ylabel('accuracy')  # Y軸ラベル
plt.xlabel('epoch')  # X軸ラベル
plt.legend(['train', 'test'], loc='upper left')
plt.show()
# loss
plt.plot(range(1, NUM_EPOCHS+1), history.history['loss'], "o-")
plt.plot(range(1, NUM_EPOCHS+1), history.history['val_loss'], "o-")
plt.title('model loss')
plt.ylabel('loss')  # Y軸ラベル
plt.xlabel('epoch')  # X軸ラベル
plt.legend(['train', 'test'], loc='upper right')
plt.show()

Answer 1

仰る通り、テストが高いのですがこのグラフだけでは何とも言えないかと思います。
出典元のＷｅｂサイトをご紹介頂く事は難しいでしょうか。
そちらのサイトを見れれば、どういうデータを使ったのか、
またサイトとこちらのグラフとの差から考察できるかと思います。

Comments

[tanukichi4010]

追記を行いましたので確認のほどお願いいたします。
データは自身で収集した画像を使用しました。

[yasutakatou]

ご対応ありがとうございました。データの詳細が分からないとなんともですが、
・転移学習をしていない（学習量の少なさをカバーする）
・画像枚数は大幅な差が無い数十枚規模（特徴量の抽出差が少ない）
だと過学習の可能性が高いと思われます。
私の回答が悪く大変申し訳ないですが、コードよりデータの影響が大きる出るカテゴリですので
データ無しで出来る回答としてはこの程度となってしまいますが如何でしょうか。
（「どういうデータを使ったのか」は同じデータで学習した事を期待していました。）

[tanukichi4010]

こちらこそ回答いただきありがとうございました。
諸事情によりデータについての詳細を申し上げることはできないのですが、ご指摘いただきました可能性を基に再度検討していこうと思います。
この度はありがとうございました。

[yasutakatou]

分かりました。あまりお役に立たなかった回答ですみません。次の検証はうまくいくと良いですね！