Keras 在应用一些增强层后，真阳性和假阳性分数降到零

我试图使用Keras实现一种简单形式的DexiNed架构。因为BIPED数据集有200个训练图像和50个测试图像，所以我想在训练模型之前应用一些增强层。然而，当我尝试这一点时，TP和FP分数在2-3个阶段后为0，并且从未增加。当我在没有使用增强器的情况下进行训练时，结果证明分数是正确的，模型运行良好。当我增加数据集时，为什么这个分数会下降

def augmentation(inputs):
    
    x = layers.experimental.preprocessing.RandomContrast((0.2,0.2))(inputs)
    x = layers.experimental.preprocessing.RandomFlip()(x)
    x = layers.experimental.preprocessing.RandomRotation(0.2, fill_mode='reflect')(x)
    x = layers.experimental.preprocessing.RandomTranslation((-0.1,0.1),(-0.1,0.1))(x)
    x = layers.experimental.preprocessing.RandomZoom((-0.2,0.2),(-0.2,0.2))(x)
    
    return x

这些就是我使用的图层。我甚至只尝试了1-2层，但结果没有改变