Python 二元分类问题的低精度

我试图建立一个分类模型来识别室内设计中图片的视角。目前，我只考虑两个类：沙发的左边和沙发的右边，这取决于沙发的方向。 我在迁移学习中使用了与此完全相同的代码（基于MobileNetV2和imagenet权重）

代码没有问题：我可以使用提供的猫和狗数据集重现预期结果。

如果有帮助的话，下面是模型摘要

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_31 (InputLayer)        [(None, 160, 160, 3)]     0         
_________________________________________________________________
tf_op_layer_strided_slice (T [(None, 160, 160, 3)]     0         
_________________________________________________________________
tf_op_layer_BiasAdd (TensorF [(None, 160, 160, 3)]     0         
_________________________________________________________________
resnet50 (Functional)        (None, 5, 5, 2048)        23587712  
_________________________________________________________________
global_average_pooling2d_15  (None, 2048)              0         
_________________________________________________________________
dropout_15 (Dropout)         (None, 2048)              0         
_________________________________________________________________
dense_15 (Dense)             (None, 1)                 2049      
=================================================================
Total params: 23,589,761
Trainable params: 2,049
Non-trainable params: 23,587,712
_________________________________________________________________

然而，对于我自己的图像，结果真的很差（50%的准确率…），我不知道为什么。 模型中有辍学者，我尝试了许多设置（学习率、验证分割、批量大小）和许多预先训练的模型

我每节课大约有150张照片。我知道这不是一个大的数据集，但我不需要太多概括，我需要测试的所有图片都是同一类型的。它太短了吗

我在数据集和tada上运行了一个

kmeans聚类算法，该算法基于MobileNetV2的预测。。。图片在左沙发和右沙发之间进行了完美的分类。这给了我直觉，这个分类问题应该可以通过学习来解决。我说得对吗？
我错过什么了吗

谢谢你的帮助。
我想先试试猫vs沙发。应该有用。如果不是，则存在模型问题。否则，并不是说ConvNet不能编码位置，而是我的直觉是，这不是他们最擅长的。谢谢你的输入！我试过沙发（前视图）和沙发（左视图和前视图）的对比，结果确实不错。看来你的直觉很好。然而，你知道为什么kmean算法表现得这么好吗？我对resnet50预测结果的特性运行了Kmean。当你说预测时，你是指resnet50最后一个卷积层的输出吗？不管怎样，你可能是指密集层的原始逻辑。确保您的损失（from_logits=True）确实是最后一层的原始登录，损失函数为from_logits。我使用了另一个数据集（混合了所有沙发左/右，添加了不同的框架和其他角度，如厨房和前沙发）。我的val准确率要高得多（85%）。谢谢你的意见。