我目前正致力于使用神经网络进行图像分类。我已经成功地在图像上创建了边界框，并且对于每个边界框，我已经应用了分类算法（W ^ X + B，其中W，B是已经从训练数据中学习的权重和偏差），以获得20个类中的每一个的值。
对于一个边界框，我得到20个类的值：
221.140961 71.6502609 185.005554 14.2860174 177.44928 -20.842535
-16.2324142 -105.940437 -397.505829 132.100311 -12.3567591 262.162872
-243.444672 -198.083984 19.3514423 1.94239163 -75.0622787 -93.7277069
-181.89653 260.002625
预测的类是11级（类的索引从0开始），其最大值为262.162872。我也遇到过一些文章，我发现每个边界框的置信度值通常都是计算出来的，其值的范围是0到1。
如何为每个边界框获取此置信度值？是否只是第11类相对于所有其他类的概率？ 在这个数据中我该如何获得它？
答案 0 :(得分：2)
要将神经网络的输出转换为概率，通常使用softmax： https://en.wikipedia.org/wiki/Softmax_function
这确保非常小的值变为接近零的概率，并且非常大的值变为接近一个概率。范围的末端对该值的大小相对不敏感，范围的中间更敏感。它还确保所有概率加起来为1.这适用于多类分类（类不相交）。
请注意，在softmax之前通常不会应用激活功能（例如ReLU）。因此典型的网络是卷积 - ＆gt; ReLU - ＆gt; ... - ＆gt;卷积 - ＆gt; ReLU - ＆gt;卷积 - ＆gt; SOFTMAX。
P.S。你所描述的神经网络真的有一层吗？这通常不会产生良好的效果。