我在 KERAS 中有用于对象检测（图像中的一个对象）的 CNN 架构。它有 22 个卷积层（层包括最大池、LeakyRelu 和 Batchnorm）

最后几层如下

model.add(Flatten())
model.add(Dense(6))

基本上我想输出重新表示的向量( probability that is is ObjECT , probability that it isnt , x , y , xmax, ymax )

我正在向它提供包含一个对象和标签的数据

( 1, 0, xmin , ymin , xmax , ymax )

这有大约 0.60% 的准确度。但是 (isOBject + isntObject ) 的总和大于 1。

[[   1.02664185    0.34075582  231.69602966  241.59547424  280.6262207
   266.35855103]] 

霍斯这是可能的。

此外，当我向网络提供另一个没有对象的数据并标记它们时

(0, 1, 0, 0, 0, 0)。

我得到 10% 的准确率。怎么可能？它有更多数据可供学习，并在此基础上添加了虚假数据。

我感谢所有提示和技巧/解释，基本上所有帮助。谢谢