假设我们有一个包含 3 类图像的训练集：1.Cats，2.Dogs，3.Neither Cats 和 Dogs。我们只关心检测图像是否是猫/狗，或者两者都不是，但我们不在乎它是猫还是狗，只关心它是两者之一。
通过将 Dog 和 Cat 类合并为单个“正”类而不是训练 3 类 CNN 来训练二元类 CNN 本质上“更好”吗？
如果是，那么如果我们确实关心图像是狗还是猫，那么最好先运行二元分类器来确定它是否是狗/猫，然后再运行第二个二元分类器只对猫和狗进行了训练，以确定它实际上是两者中的哪一个？
CNN 多类与二元类图像分类
数据挖掘
美国有线电视新闻网
图像分类
多类分类
卷积神经网络
2021-09-27 17:20:29
1个回答
我会用 3 个类训练一个分类器：
cat, dog, neither
使用交叉熵作为成本函数。
网上有很多这样的例子。如果您使用 Google MNIST 神经网络，您会发现许多简单的示例。或者，您可以使用 Google 的训练网络之一并重新训练最后一层。
这是在Cifar 图像集上训练的卷积。
使用预训练网络区分两只家猫。
其它你可能感兴趣的问题