我正尝试训练具有两个类别的二进制CNN分类器：具有特定对象（即人脸）的图像和不具有该对象的图像。最后可视化热图（分类激活图）。
我的观察是，具有各种随机背景的“非脸部”图像过于多样化，并且很难训练。例如，我给有脸的图像分配标签“ 1”，给没有脸的图像分配标签“ 0”，在这里我使用Softmax交叉熵损失。在训练期间，Softmax交叉熵损失迅速下降。
Positive class label: 1. ## Random background with faces as foreground
Negative class label: 0. ## Random background (i.e. forest, plane, ocean…) without any faces
我希望突出显示“面部”图像中的面部，但有时其他背景也会被突出显示。我的上述设置可能有什么问题？
一些随机的想法：
（1）我的印象是，如果分类问题有N个类别，则输出神经元的数量应为N + 1……对吗？
（2）我应该在这里使用Softmax交叉熵和一种热编码吗？
（3）我给人的印象是，有时人们将-1用于否定类别，我是否错误将0用于否定类别？