我已经使用CNN训练了5种不同的手势。他们运作良好，并给出正确的预测。但是，当我做的手势不是这5种受过训练的手势时，系统仍会将手势归类为受过训练的手势之一。意思是，给出的结果是错误的，因为不应预测手势。我该如何克服这个问题？
我拍摄了一些随机照片，并将它们归类为“无”，然后用手势训练它们以减少错误检测。但这并没有太大帮助。
那么我认为也许可以使用概率分数来限制预测，就像只有在概率大于70％时才给出预测一样。但这是行不通的，因为未经训练的手势总会得到100％。
答案 0 :(得分：0)
当您给模型一个新手势时，您期望发生什么 ？您已经对其进行了训练，以将手势区分为五类之一，而第六类是 nothing ，该类由完全没有手的图像组成。修改我上面的评论（错误地计数），根据您的功能定义，现在为您呈现的图像与这六个类的任何不符。
您遇到的问题是您尚未建立可行的培训套件。与“无手”课程相比，有手的东西与前五类的匹配要紧密得多，您可能已经将其训练为“无手”的概念。因此，由于有很多相似点，而且几乎没有区别，因此您将获得最佳的匹配：“竖起大拇指”手势与您提供的“随机”照片有什么共同之处？< / p>
从信息论的角度来看， no 模型可能会从提供的训练图像中学习您想要的差异。如果您希望模型学习手势并将其与其他手势区别开来，那么您必须对其进行适当的训练。正如您已经意识到的那样，给它一个弱的“其他”概念是行不通的。
您将需要使用包含所需信息的训练套：该训练套中至少10％必须是“无”图像的手部姿势。您可能需要超过10％，甚至比其他任何班级都更多。您可能需要升级拓扑。实验-这是模型开发的常用方法。