我是深度学习的新手，我有一些概念上的问题。我在这里遵循了一个简单的教程，并在 Keras 中训练了一个模型来对 10 类徽标进行图像分类。我准备了 10 个班级，每个班级有近 100 张图片。当图像是这 10 个徽标之一时，我的训练Resnet50模型表现异常出色，概率为 1.00。但问题是，如果我传递一个非徽标项目，一个在视觉上完全不相关的随机图像，它仍然以接近 1.00 的概率将其标记为那些徽标之一！

我糊涂了。我错过了什么吗？为什么会这样？如何找到解决方案？我需要在视频帧中找到徽标。但是现在，每一帧都被标记为一个标志的可能性很高！

这是我的简单训练代码：

def build_finetune_model(base_model, dropout, fc_layers, num_classes):
    for layer in base_model.layers:
        layer.trainable = False

    x = base_model.output
    x = Flatten()(x)
    for fc in fc_layers:
        # New FC layer, random init
        x = Dense(fc, activation='relu')(x) 
        x = Dropout(dropout)(x)

    # New softmax layer
    predictions = Dense(num_classes, activation='softmax')(x) 
    finetune_model = Model(inputs=base_model.input, outputs=predictions)
    return finetune_model
finetune_model = build_finetune_model(base_model, dropout=dropout, fc_layers=FC_LAYERS, num_classes=len(class_list))
adam = Adam(lr=0.00001)
finetune_model.compile(adam, loss='categorical_crossentropy', metrics=['accuracy'])
filepath="./checkpoints/" + "ResNet50" + "_model_weights.h5"
checkpoint = ModelCheckpoint(filepath, monitor=["acc"], verbose=1, mode='max')
callbacks_list = [checkpoint]

history = finetune_model.fit_generator(train_generator, epochs=NUM_EPOCHS, workers=8, 
                                       steps_per_epoch=steps_per_epoch, 
                                       shuffle=True, callbacks=callbacks_list)

plot_training(history)