训练 CNN 3 个课程，但一般课程是 4 个答案

【问题标题】：Traning CNN for 3 classes, however the general classes are 4训练 CNN 3 个课程，但一般课程是 4 个
【发布时间】：2020-01-26 17:07:15
【问题描述】：

我正在训练一个用于图像分类的 CNN。一般来说，我的图像分为 4 个不同的类别。不过最后一节课的样本实在是太少了。

我想知道是否可以将它训练 3 个班级并说如果它不属于这些组，那么它属于第 4 组？

【问题讨论】：

欢迎来到 SO，这是关于特定编码的问题，而不是设计或讨论论坛；你的问题太宽泛了，请花点时间阅读How to Ask和What topics can I ask about here?。
我不会 - 训练所有 4 人会给你更多的线索，因为你会有一个不适合任何东西的小组，你将能够检查百分比在与您的期望相反的 4 个类别中的每一个中。不过，这个问题对 SO 来说太宽泛了。

【解决方案1】：

您可以训练 3 类 CNN。当您对新图像进行预测时，您可以检查预测的置信度，如果它小于阈值，您可以将图像归类为第 4 类。希望对您有所帮助！

【讨论】：

【解决方案2】：

为什么不使用数据增强？尝试以任何可能的方式旋转、伸展、改变你的稀有课程，然后针对它进行训练。

不为此训练是相当困难的，因为即使对于 Imagenet（1000 个类），也很难训练“非上述”类。什么是“非苹果”？

另一个解决方案是去掉你的 softmax 层，只使用输出（可能使用 exp），然后解释概率（如果前 3 个低，“可能”它是 4？）

【讨论】：