2 выхода CNN с обучением 2-го выхода на основе 1-го выхода

Question

Я работаю над проблемой классификации нескольких ярлыков. У меня недостаточно данных, поэтому я использую трансферное обучение с использованием функции извлечения CNN. Поскольку у меня достаточно данных для некоторых классов, я сформулировал проблему следующим образом:

30 классов и 31-й являются «остальными» изображениями, так что я могу их различать.

31-й класс отдыха в основном тянет мою точность и другие показатели. Я думал о создании многопользовательской сети в Керасе, где одним выходом была бы двоичная классификация, независимо от того, является ли она «хорошим» или «отдыхающим» образом, а второй будет обучен, только если первый будет классифицирован как хороший.

Я понимаю, что мне нужно будет также оценить второй вывод, так как именно так работают графики вычислений, но есть ли опция, как сказать слою: не приспосабливайтесь к этому плохому примеру, основываясь на вводе из другого softmax

Спасибо

Answer 1

Я думаю, что до определенной степени понимаю, чего вы хотите достичь.Для этого можно было бы обучить две модели - во-первых, двоичную классификацию «хорошо» против «отдыха» и выходные данные этой модели, если «хорошо» нужно было бы передать во вторую модель - выходные данные 30 классов.модель.На самом деле это довольно распространенный способ решать проблемы, как у вас.

Я работал над проблемой обнаружения шлема раньше - я заметил, что вместо обнаружения шлемов, он работал бы лучше, если я обнаружил людей с одной моделью и прошел эти коробкик классификационной модели - «шлем» или «без шлема».