keras - CNN多类网络

当我希望我的 CNN 多类网络输出[0.1, 0,1]图像不属于任何类时，我应该采取什么方法。对多类使用 softmax 和 categorical_crossentropy 会给我的输出总和为 1，所以仍然不是我想要的。我是神经网络的新手，很抱歉提出愚蠢的问题，并提前感谢您的帮助。

标签： kerasconv-neural-network

我想你会考虑贝叶斯学习。首先，谈论不确定性。

例如，给定几张狗品种的图片作为训练数据——当用户上传他的狗的照片时——假设的网站应该以相当高的置信度返回预测。但是，如果用户上传了一张猫的照片并要求网站决定狗的品种，会发生什么？

以上是分布测试数据的示例。该模型已经在不同品种的狗的照片上进行了训练，并且（希望）学会了区分它们。但是该模型以前从未见过猫，而猫的照片将位于模型训练的数据分布之外。这个说明性示例可以扩展到更严重的设置，例如诊断系统以前从未观察到的结构的 MRI 扫描，或者从未训练过自动驾驶汽车转向系统的场景。

在这种情况下，模型可能期望的行为是返回一个预测（尝试从我们观察到的数据外推），但返回一个带有附加信息的答案，即该点位于数据分布之外。我们希望我们的模型拥有一些量，通过这些输入传达高度的不确定性（或者，传达低置信度）。

然后，当它们也适用于分类任务并为类（狗，猫......）产生不确定性时，我认为您可以简要阅读本文。从这篇论文中，你可以将你的发现扩展到使用这篇论文的应用程序，我想你会找到你想要的。