使用 CNN 进行二进制图像分类，但一个类的 Precision-Recall-F1 分数为 0

问：

我正在尝试对给定图像是否为木桩进行分类。所以我的课程是木头和none_wood。None_wood类包含不同的照片，包括文件、数字、人物等。我的训练集由 4655 个木头和 4566 个none_wood图像组成（我使用 augmentor 来增加none_wood类的大小），测试集包括每个类的 1139 张图像。

我的模型如下：

classifier = Sequential()
classifier.add(Convolution2D(32,(3,3),input_shape = (175,130,3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Convolution2D(64,(3,3),input_shape = (175,130,3), activation = 'relu'))
classifier.add(MaxPooling2D(pool_size = (2,2)))
classifier.add(Flatten())
classifier.add(Dense(128, activation = 'relu'))
classifier.add(Dense(1, activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

当我得到班级报告和混淆矩阵时，它们如下：

以及训练验证损失和训练验证准确率（提前停止）的图：

我尝试了最多 10 个不同的 epoch，我添加了回调以防止过度拟合，我用 ImageDataGenerator 进行了数据增强，数据集中没有不平衡，我尝试了不同的优化器，我尝试了不同的损失函数，但没有变化。

你有什么建议？我不明白确切的问题是什么，为什么混淆矩阵中的 FP 和 TN 值为 0？我需要什么来提高准确性？它是 0.5 :(

更新：我的测试集目录有两个子目录，称为 wood none_wood。我把它变成了一个testSet目录，并将所有测试图像放在其中。这一次，精度-召回-f1 分数-准确率，一切都是 1.00。伙计们，我错过了什么?????