识别非数字

时间:2015-12-24 12:01:20

标签: neural-network digit mnist

我编写了一个神经网络,用于识别推送到我服务器的单个数字。我工作得很好,直到客户开始推动#34;空数字#34;。 首先,我开始手动迭代它们并检查NOT WHITE。现在它变得更加复杂,因为"脏"上传空白,其中有一些噪音。 Addiotional有些人开始推动对角线&水平线或X而不是写0(零)。

我想知道我应该如何训练一个" pre" - 神经网络,将这些"不是数字"特别是我很难找到一种方法来训练嘈杂的空白所描绘的零点。

2 个答案:

答案 0 :(得分:1)

您正在使用神经网络,我建议的是将输入的neural network output the probability作为给定的类,例如它可以输出数字5,确定性为75%。

一旦掌握了这些概率,你就可以找到一个" cutoff"低于该值时,您认为输入只是噪音/空。

我之前已经将一个关于从NN中获取分类概率的问题联系起来。

答案 1 :(得分:0)

您可以创建一个错误输入的训练集,并为这些不良示例训练一个额外的类网络。