나는 숫자를 분류하기 위해 caffe/example/mnist 네트워크를 사용하고 있습니다. 내가 네트워크에 숫자의 그림을 줄 때 잘 작동하는 것처럼 보입니다. 그러나 네트워크에 숫자가 아닌 그림을 주면 무언가 훈련 된 네트워크 softmax 계층이 항상 확률 1과 다른 값 0을 갖는 확률을 제공합니다.확률 항상 1
[0,0,0, ..., 1 , 0,0,0].
나는 그것을해야한다고 생각 뭔가 같은 :
[0,0.1,0.2, ..., 0.4,0.1,0.2], 나는 이것이이어야한다 말할 수있는 경우에
번호. 문제가 무엇입니까?
숫자가 아닌 숫자에 대한 교육을받지 않았기 때문에 예상되는 것을 알기가 어려우며 결과의 합이 1이되어야합니다. Softmax를 사용하면 번호가 있음을 네트워크에 알리고, 숫자가 아닌 숫자를 보여줍니다. 출력을보고 숫자인지 여부를 판별 할 수는 없습니다.
또한, MNIST의 교육 데이터는 매우 고정 관념이며 일반화에는 적합하지 않습니다. 전경 번호는 이고 항상255이고 배경은 입니다. 항상입니다. 배경 픽셀이 더 많으므로 평균값은 0에 훨씬 가깝습니다. 단순히 평균 픽셀 값이 100 인 이미지를 표시하면 일반적으로 더 많은 픽셀 (예 : 8 개)이있는 숫자로 예측을 조정할 수 있습니다. 비슷한 유형의 자극으로 일반화하기 위해 네트워크에만 기대할 수 있습니다. 당신의 작업을 위해, 당신은 많은 데이터 증가를해야합니다.
모든 엔트로피에 대해 확률을 허용하려면 크로스 엔트로피 손실을 사용하면됩니다. 이것은 또한 1보다 큰 합계 (최대 10)의 확률을 허용합니다. 당신은 또한 Softmax로 "non-number"를위한 또 다른 클래스를 추가 할 수 있습니다.하지만 자연스러운 자극과 더 비슷한 숫자가 아닌 자극을 제시해야합니다 (그래서 쉽게 분리 할 수 없습니다).
caffe/examples/mnist에 따라 mnist를 교육 한 후에는 배포 할 때 0-255가 아닌 0-1 범위의 이미지를 네트워크에 공급해야합니다. 시도해보고 올바른 probs가 있는지 확인하십시오. Illustration image
