Neural network 如何处理；以上任何一项都不适用；在多类图像分类中？
我发现了一些类似的问题（例如），但不是最近的问题 在我的问题中，我有10个感兴趣的训练有素的类，但偶尔我会得到某种垃圾图像，当然分类器只是根据它的选项进行猜测。有时它会传播softmax概率，但通常它对其中一个选择相当有信心。这对我来说并不是不合理的，因为它生活在一个“给定10件事物中的一件的图像，这是什么？”的世界中，但对于我打算集成到可交付软件中的系统来说，这是有问题的 “以上任何一个”课程都可以，但是为这样的事情找到训练例子有点冒险Neural network 如何处理；以上任何一项都不适用；在多类图像分类中？,neural-network,classification,Neural Network,Classification,我发现了一些类似的问题（例如），但不是最近的问题 在我的问题中，我有10个感兴趣的训练有素的类，但偶尔我会得到某种垃圾图像，当然分类器只是根据它的选项进行猜测。有时它会传播softmax概率，但通常它对其中一个选择相当有信心。这对我来说并不是不合理的，因为它生活在一个“给定10件事物中的一件的图像，这是什么？”的世界中，但对于我打算集成到可交付软件中的系统来说，这是有问题的 “以上任何一个”课程都可以，但是为这样的事情找到训练例子有点冒险 什么方法对这个问题有效？标准做法是创建一个或多个额外的“
什么方法对这个问题有效？标准做法是创建一个或多个额外的“垃圾类”/“垃圾类”，并向训练集中添加一些标记图像，以便模型正确地将它们分类为垃圾，而不是您感兴趣的10个类中的一个。了解标准做法是创建一个或多个额外的“垃圾类”/“垃圾类”，并将一些标记的图像添加到培训集中，以便模型正确地将它们分类为垃圾，而不是您感兴趣的10个类之一。了解