Neural network 计算机视觉：将数据集分成几个类，并在推理过程中将它们组合起来

情景：我们正在训练一种区分睁眼和闭眼的神经网络。在收集数据的过程中，我们不仅收集了睁眼和闭眼的数据，而且还收集了眼睛边缘的数据，比如被手或手臂遮住的眼睛，以及非常强烈地俯视遮盖大部分眼睛的东西。然而，我们把所有睁开和闭上的眼睛放在一起，训练一个二元分类神经网络，因为这就是我们在推理过程中所关心的

问题：我们想知道培训多类网络是否有意义。例如，我们会让类打开，关闭，用手覆盖，没有眼睛，向下看。。并将除封闭类之外的所有类合并为一个类。我们认为，如果我们区分所有这些情况，模型可能能够更好地理解现实世界，但我想强调的是，如果眼睛被一只手遮住，我们不需要这些信息——我们只需要知道眼睛是否闭着

---

我试图找到关于这个主题的研究，但没有成功。

我的直觉与你的直觉一致，但我没有足够的实践来给出正确的答案。分为两类，就像一位律师问你一个肯定/否定的问题，这个问题比简单的肯定/否定要复杂得多。网络可能会自行制定这些区别，并学会按要求将其分解/分组，但它可能难以将这些特殊情况归类为简单的“非此即彼”。我将为它提供多个类中的“out”，这样它就可以自信地标记那些（预期是常见的！）情况。你可以尝试两种方法（只是为另一种方法再培训）并进行比较。你的最终目标是建立最好的模型，不是吗？你如何判断一个ML模型是好是坏？我们通过评估这些模型来决定它。因此，我建议您准备一个健壮的测试集（考虑所有可能的实时场景），并通过度量（如准确性）比较您的模型和方法。获得最佳结果的模式或方法是您的最佳模式。我希望这是有道理的。