识别非数字答案

【问题标题】：Recognize Non-Digits识别非数字
【发布时间】：2016-03-30 21:10:04
【问题描述】：

我编写了一个神经网络，用于识别推送到我的服务器的单个数字。我工作得很好，直到客户开始推送“空数字”。首先，我开始手动迭代它们并检查 NOT WHITE。现在它变得更加复杂，因为上传了“脏”的空白，其中有一些噪音。此外，有些人开始推对角线和水平线或 X，而不是写 0（零）。

我想知道我应该如何训练一个对这些“非数字”进行分类的“前”神经网络，尤其是我很难找到一种方法来训练一个嘈杂的空白所描绘的零。

【问题讨论】：

【解决方案1】：

您正在使用神经网络，我建议将输入的 neural network output the probability 设为给定类，例如它可能会输出数字 5，确定性 75%。

一旦你有了这些概率，你就可以找到一个“截止”值，低于这个值你会认为输入只是噪音/空。

_{我在上面链接了一个关于从 NN 中获取分类概率的问题。}

【讨论】：

【解决方案2】：

您可以创建一个包含不良输入的训练集，并为这些不良示例使用一个额外的类来训练一个网络。

【讨论】：

我想过这个问题，但我想不出一个解决方案来训练网络识别嘈杂的“空”框。如何获取数据？
我相信在这种情况下你应该使用启发式算法。问题空间是如此之大，以至于您无法拥有与可能性组合相对应的相同数量的类。空框的一种启发式方法可能是求和像素值的数量，如果总和低于阈值则忽略输入。阈值可以通过对“真实”数据的一些经验分析来确定。