tensorflow - 识别不属于 CNN 训练的类别的图像

Question

假设我有一个带有 CNN 训练的应用程序来预测猫和狗，并且用户输入了一张苹果的图像，我的 CNN 将苹果预测为猫或狗。如何让我的应用程序说用户输入了错误的图像而不是做出预测？

很想知道你们是如何处理类似情况的。

标签： tensorflowconv-neural-network

Answer 1

好吧，可能有很多方法可以实现，但是，这里有一些简单的方法。

方法：1

如果您的数据集中有 2 个类，则只需添加第三个类，即“ unknown class”，代表一些随机数据，这意味着您可以在该类中添加您想要的所有垃圾（异常值），例如苹果、花、鸟的照片等（从哪里获得这些图像？只需下载并连接另一个数据集，如 cifar-10 等）。然后你可以在这个数据上训练你的网络unknown class，当它既不是狗也不是猫时，网络将预测第三类“ ”。

方法：2

但是，更好的方法（在我看来）是在输出层中使用 sigmoid 激活 2 个神经元，一个代表成为猫的概率，另一个代表成为狗的概率。所以在训练之后，当你喂一张狗的图像时，你可能会在你的输出层得到这样的值[0.9, 0.07]（狗的概率为 90%，猫的概率为 7%）。所以直观地说，当你输入一个随机图像（比如苹果的图像）时，输出层可能会产生以下输出[0.3, 0.27]，因此网络似乎无法确定它是猫还是狗。现在你可以很容易地设置一个阈值，比如 60%，所以只有当模型以超过 60% 的概率预测猫或狗时，你才会将输出/预测发送给用户，否则你会发送“未知类别”