如何处理图像对象/字符分类中的负面情况？

Question

我正在训练 CNN 将图像分类为英文字母和数字。我使用 7 位 (1/0) 向量形式的标签，因为第一个 1/0 告诉字符是否存在，后面的 6 位代表每个字符。例如：[1,1,0,0,1,0,0] 表示“a”是字符，[1,0,1,1,0,0,0] 表示“O”是字符等。我对如何处理未检测到字符的情况感到困惑。我希望我的模型给出 [0,0,0,0,0,0,0] 作为输出。它会在仅使用正面示例的情况下自动进行训练还是我必须找到负面图像并将它们也放入数据集中？我应该采取什么样的负面案例，因为有无数的事情不是性格。我知道这不是那么难的问题，但我是深度学习的新手，所以请理解。

Answer 1

你应该在你的数据集中放一些负样本。这将有助于模型理解并非每个字符或每个图像都是英文字母表。对于负样本，您应该输入非字符（汽车...）的图像和非英文字母的字符图像。