Как обрабатывать негативные случаи в классификации объектов / символов изображений (т. Е. Если ни один из указанных символов не обнаружен)

Question

Я тренирую CNN, чтобы классифицировать изображение на английский алфавит и цифры. Я использую метки в виде 7-битных (1/0) векторов, так как в первой 1/0 указывается, присутствует ли символ, а последние 6 бит представляют каждый символ. например: [1,1,0,0,1,0,0] означает «а» - символ, [1,0,1,1,0,0,0] означает «О» - символ и т. д. Я запутался в том, что делать в случаях, когда ни один персонаж не обнаружен. Я хочу, чтобы моя модель выдавала [0,0,0,0,0,0,0] в качестве вывода. Будет ли это автоматически при обучении только с положительными примерами или мне нужно будет найти отрицательные изображения и также поместить их в набор данных? и какие негативные случаи я должен принять, потому что есть бесконечное количество вещей, которые не характер. Я знаю, что это не такой сложный вопрос, но я новичок в углубленном изучении, поэтому, пожалуйста, поймите.

Answer 1

Вы должны поместить несколько отрицательных образцов в ваш набор данных. Это поможет модели понять, что не каждый символ или каждое изображение - это английский алфавит. Что касается отрицательных образцов, вы должны ввести изображения не символов (автомобили ...) и изображения символов, которые не в английском алфавите.