想象一下,CNN的输出是1x1920。要分类的类别为1
和2
,只有极少数2
。例如,一个图像的标签可以是:
111111111111111112111111111111111111111111111111111111111111111111111111...
对于CNN而言,很容易说1
输出全部为2
并失败。因此,当我测试经过训练的网络时,输出向量1x1920都是1
。所以我想对这些课程赋予一定的分量,以便2
失败更重要。例如:
Weight for class 1 = 1/(2*number_of_ones);
Weight for class 2 = 1/(2*number_of_twos);
我该怎么做?