深度学习可以自动学习数据的深层特征,且效果很好,但是其有一个很大的问题就是加入用猫和狗去做训练,然后用人脸数据集做测试时,网络仍然会将人脸识别为猫或者狗?
那么如何来解决这个问题那?如何让神经网络对已经训练过的数据识别为见过,从未见过的样本类别识别为没见过那?第一个思路是:特征提取,然后比对。简单来讲:首先利用CNN 模型进行训练,并对训练集中的数据提取特征,测试集同样提取特征,然后将两者提取的特征进行比对。
这种思路实现起来不难,但是效果不太好,并不适用于大部分的数据集。
本文探讨了深度学习中遇到的一个问题:当模型被训练用于识别特定类别(如猫和狗)后,在面对非训练集内的样本(如人脸)时可能会出现误识别现象。文章提出了一个解决方案——特征提取与比对的方法,并对其实施难度及适用范围进行了讨论。
4873

被折叠的 条评论
为什么被折叠?



