我有字符识别的任务。有一定的数据集。当我提交不是来自该数据集的输入符号(或一个图像中数据集中的一组字符)时,神经网络会选择最相似的符号。在这种情况下,网络应该说她不知道这样的符号。 可能有任何架构可以完成此任务吗?
我正在使用 Keras(Tensorlow 作为后端)使用 Python 3 进行编写。
我的架构:
Layer (type) Output Shape Param #
=================================================================
conv2d_1 (Conv2D) (None, 29, 29, 75) 1275
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 14, 14, 75) 0
_________________________________________________________________
dropout_1 (Dropout) (None, 14, 14, 75) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 11, 11, 100) 120100
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 5, 5, 100) 0
_________________________________________________________________
dropout_2 (Dropout) (None, 5, 5, 100) 0
_________________________________________________________________
conv2d_3 (Conv2D) (None, 2, 2, 125) 200125
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 1, 1, 125) 0
_________________________________________________________________
dropout_3 (Dropout) (None, 1, 1, 125) 0
_________________________________________________________________
flatten_1 (Flatten) (None, 125) 0
_________________________________________________________________
dense_1 (Dense) (None, 500) 63000
_________________________________________________________________
dropout_4 (Dropout) (None, 500) 0
_________________________________________________________________
dense_2 (Dense) (None, 69) 34569
最佳答案
最好的方法是:
使用数据集中对应于“未知”类的附加图像,您可以通过对类似符号的字符图像进行采样来获取该图像。然后针对“n+1”个类别训练模型,其中“n”是您当前正在处理的类别数。
仔细查看 softmax 输出并启发式选择阈值。
关于python - 如何教卷积神经网络对未知图像说 "no"?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49242180/