我在 ML 世界里还是个新手，但我对 CNN 有一个奇怪的想法，想问问这是否是检查对某些图像进行分类的通用 CNN 的鲁棒性的有效方法。

假设我制作了一个 CNN，它接收许多不同的运动员执行某个动作的图像（篮球射击、足球踢、游泳中的自由泳、体操中的翻转等）。首先，这样的 CNN 是否有可能区分如此多样的图像并对其进行准确分类？如果是这样，将这个“更大”的 CNN 与多个“更小”的更专业的从一项特定运动中获取图像的CNN进行比较是否是一个好主意？

换句话说，我想知道，如果我有一个“更大”的 CNN 给我一个像“足球被踢”这样的输出，有没有办法用一个只关注足球动作的更小的 CNN 来仔细检查这个输出? 本质上，我们是否可以创建一个系统，一旦您从通用 CNN 获得输出，它会自动通过更专业的 CNN 对相同的图像进行分类，然后如果结果具有相似的准确度，您肯定知道 CNN 有效吗？

有点像将较小的 CNN 作为较大的 CNN 的“基本事实”？在我的脑海里，它是这样的：

large_net_output = 'Football kick identified with 95.56% confidence' 

for sport in large_net:
    if sport == 'football':
        access = small_net_for_football
        return small_net_for_football_output

    elif sport == 'swimming':
        access = small_net_for_swimming
        return small_net_for_swimming_output

    elif sport == 'baseball':
        access = small_net_for_baseball
        return small_net_for_baseball_output

# and so on....
>>> small_net_for_football_output = 'Football kick identified with 97.32% confidence'

robustness_check = large_net_output - small_net_for_football_output
print(robustness_check)

>>> 'Your system is accurate within a good range of 1.76%'
     

我希望这是有道理的，并且这个问题不会让您感到畏缩。感谢您对此的任何反馈！