标签： keras conv-neural-network
我已经用大约150万张图像（当然是小图像）训练了CNN。我正在寻找A，B或3类课程。从字面上看，没有什么不是A或B，A和B是相似的，但又是特别不同的东西。
网络成功识别了图像中的A和B对象！但是，它也经常将背景对象标识为A或B。将图像拆分成较小的图像进行处理时，很可能有2或3张图像（每1000张图像）具有A或B类，其余的则一无所有。
首先，有没有一种方法可以迫使网络仅在得分超过阈值时才返回A或B？其次是这种良好做法。我这样做主要是为了学习，因此，如果有更好的方法来做我想做的事，请告诉我！