Негативные примеры для классификации изображений?

Question

У меня 1000 изображений собак и 1000 изображений кошек.

Я обучил небольшую CNN проводить классификацию по этому набору данных, и точность обоих наборов проверки / проверки составляет 99% +.

Но я заметил, что когда я даю информацию, которая не является кошкой или собакой, например, машиной, классификатор (иногда) дает высокую степень доверия к кошке или собаке.

Почему это? Я понимаю, что Си-Эн-Эн была обучена только на двух классах, но если она видит что-то совершенно случайное, разве она не должна показывать низкую достоверность для обоих классов?

Я предполагаю, что эта проблема решается с помощью отрицательных примеров (других случайных объектов и животных), но тогда возникает вопрос: сколько отрицательных примеров необходимо, чтобы по-настоящему охватить распределение всех возможных случайных изображений (которые не являются кошек или собак)?

Answer 1

Если сеть обучена только на изображениях собак / кошек, то имеет смысл смешивать изображение, которое не принадлежит ни к одной из этих двух категорий. Вы должны добавить отрицательные примеры в обучающий набор (как вы упомянули) и преобразовать ваш окончательный классификационный слой, чтобы прогнозировать достоверность по 3 категориям (собака, кошка, ни один). Это должно работать лучше.