构建卷积神经网络模型 (CNN) 用于图像分类

这是一个深度学习模型的建立函数，使用了卷积神经网络 (Convolutional Neural Network, CNN) 来提取图像特征。该模型包含两个卷积层和两个池化层来提取图像的特征，然后通过全连接层进行分类。其中，Dropout层用于避免过拟合。模型最终使用Adam优化器和交叉熵损失函数进行训练。该模型的输出结果为 53 个类别的概率分布。

def build_model():
    model = Sequential()
    model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3)))
    model.add(MaxPooling2D((2, 2)))
    model.add(Conv2D(64, (3, 3), activation='relu'))
    model.add(MaxPooling2D((2, 2)))
    model.add(Flatten())
    model.add(Dense(256, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(128, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(53, activation='softmax'))
    model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
    return model