Tensorflow 如何加上「；其他"；神经网络课程？

我必须在真实、虚假和其他图像之间进行分类，但我只有真实和虚假人脸的数据集，如何添加“其他”类，即既不是真实也不是虚假人脸

这就是我加载数据集的方式

TRAINING_DIR = "Dataset\Training Data"
train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(TRAINING_DIR,
                                                    batch_size=16,
                                                    target_size=(300, 300))

这是我的输出

Found 1944 images belonging to 2 classes.

---

您可以根据网络的输出进行预测。如果它以超过90%的概率预测第一类，那么它就是第一类。如果低于10%，则为第二个。否则-它是“其他”

真面目2。假面3。其他对象

---

有一个机器学习比赛，他们让我们增加“其他”类。他们没有提供数据，所以我才这么问

这是否意味着不允许您使用任何其他数据？如果可以，请拍摄一些其他非面图像。学习第二个单独的模型

M2

，它有两个类：

FACE

和

OTHER

。对于此型号，将所有人脸图像（所有真假图像一起）标记为

face

使用两个类

REAL

和

FAKE

训练您的原始型号

M1

在培训这两个模型后，遵循如下决策过程：

For an input image `I`,

Does `M2` predict that the input is a `FACE`?
|--Yes: Does `M1` predict the image is `REAL`?
    |--Yes: Output "real image".
    |--No: Output "fake image".
|--No: Output "other"

---

---

如果您不能使用任何其他数据，请尝试Andrey的答案或研究可以检测分布外输入的方法。

如果前两个类是“真”和“假”，那么“其他”是什么？1。真面目2。假面3。其他反对意见那么，我认为公认的答案行不通。比如说，图像成为真实人脸的概率为50%，这意味着模型不确定。为什么不使用非人脸的图像集合作为额外的训练数据？还有，为什么你需要一个“其他”分类标签？有一个机器学习比赛，他们告诉我们添加“其他”类。他们没有提供数据，所以这就是我问的原因。你能告诉我如何得到预测的概率吗？在keras？@AdarshWase中用于多类-您的NN输出通常具有softmax激活（输出概率）。即使不是这样，您也可以对输出应用softmax。我认为二进制分类应该是这样的