我只是想通过Keras判断图像是否是Dog。 我使用Image for Keras作为输入，我期望Output的置信度为0.0~1.0。 在这里询问之前，我明白有一些暗示。
我可以定义由我的学习模型判断的置信度阈值。
我用过的最后一次激活是softmax，而编译的损失函数是categorical_crossentropy。但我发现sigmoid和binary_crossentropy的组合看起来不错。
我知道我需要狗图像作为训练数据来学习狗。 但对于其他人，我该怎么做呢？要学习不是狗，我是否需要准备猫，人，车，树等图像？ 在这种情况下，学习＆＃34;其他＆＃34;案例，我需要很多类型的图像。那辆汽车，人类等等。
我的理解怎么样？我想听听好主意。感谢。
答案 0 :(得分：1)
我认为一般的理解是正确的，尽管它错过了一些细节。您提出的建议也有其他选择。例如，你不一定需要一个置信水平，你可以得到概率最高的类（狗/非狗），或者你甚至可以比较它们之间存在很大差异的概率。 。如果你不使用softmax，你可以得到一个输出为0.91和0.95的情况，所以要注意。
关于数据，您需要包含各种各样的狗和非狗对象，并注意您正在喂食的数据：有时网络会受到颜色的偏差。例如，让我们说你用网络喂养主要是黑色和棕色的狗。如果您的网络检测到蓝色，它可能会认为它不是狗。同样的事情可能发生在背景中：如果你的所有狗图片都有类似的背景（让我们说草），如果你在雪中输入一只狗它可能不起作用。
此外，您还可以通过其他方式思考，让您的网络关注一些狗的功能。从理论上讲，具有足够数据和时间训练的良好模型可能会成为一个很好的分类器，但您也可以进行一些特征工程，并为网络提供特定类型的输入。例如，您可以控制您想要每张狗品种的100张照片，或者一些图片集中在爪子上，其他图片可以看到尾巴等等。
您的问题描述非常笼统。