说我有一个汽车损坏评估CNN。它旨在检测油漆碎片，凹痕，轮毂盖缺失，挡风玻璃损坏等。因此，这是一个多标签分类问题，例如有20个正标签和一个负标签。因此，输入的图像大小将为[1000，1000，3]，标签的输入将为[20]。我的损失函数将为S型或softmax。
理想情况下，我希望负号和正号标签可以互斥，但是当大小写为正数时，则标签不能互斥。有没有办法设置损失函数或NN体系结构来实现这一目标？还是在训练类别为负时，将样本的所有其他值拉为零，神经网络是否会根据训练输入自动学习？它会归结为找到概率输出的正确“截止”值吗？