Ich habe eine Frage in Bezug auf konvolutionelles neuronales Netzwerk (CNN
) Training.Convolutional Neural Network Training
Ich habe es geschafft, ein Netzwerk unter Verwendung tensorflow
zu trainieren, die ein Eingabebild (1600 Pixel) nimmt und eine von drei Klassen ausgibt, die es entsprechen.
Das Testen des Netzwerks mit Variationen der trainierten Klassen liefert gute Ergebnisse. Jedoch; Wenn ich ein anderes -viertes Bild gebe (enthält keines der trainierten 3 Bilder), gibt es immer eine zufällige Übereinstimmung an eine der Klassen zurück.
Meine Frage ist, wie kann ich ein Netzwerk trainieren, um zu klassifizieren, dass das Bild nicht zu einem der drei trainierten Bilder gehört? Ein ähnliches Beispiel, wenn ich ein Netzwerk gegen die mnist
Datenbank trainierte und dann a das Zeichen "A" oder "B" gab. Gibt es eine Möglichkeit zu unterscheiden, dass die Eingabe keiner der Klassen angehört?
Danke
Dies wird höchstwahrscheinlich nicht funktionieren. Wenn Ihr CNN-Klassifikator eine Eingabe erhält, an der er nicht trainiert wird, stellt sich oft heraus, dass es sehr sicher ist, dass es eine bestimmte Klasse ist, die er kennt. Sie benötigen eine separate Klasse mit zufälligen Bildern, die nicht für Ihre Trainingsklassen stehen. CNNs "kehren nicht immer von einer der Klassen zurück". Sie können sehr wohl Rückschritte auf CNNS machen. – Jodo