我將使用分類南瓜的例子。取灰姑娘南瓜每個輸出單位都有什麼不同?
對戰葫蘆南瓜的示例
直觀地,它可能似乎明智的這些圖像分類爲兩個不同的輸出,cinderella-pumpkin
和gourd-pumpkin
,由於他們看起來有多不同。
我的問題是,如果我接受包含灰姑娘南瓜和葫蘆南瓜的圖像的訓練集並將它們歸入pumpkin
的類別,那麼網絡的性能會比我將它們分離成更差兩類?什麼是關於兩個對象如此不同以至於應該分成不同類別的閾值?
或者爲了清晰起見,如果我拍攝了貓和菠蘿的照片並將它們歸類到同一類別中,那麼網絡的能力如何在分類每個相應對象時受到影響比較是否創建了cat
輸出和pineapple
輸出?
對不起,我意識到這個問題可能更好地屬於交叉驗證 –
其實,我認爲這個問題屬於你自己的桌面。你談到性能和準確性,但你還沒有確定網絡的目的。閾值和結果取決於您設計到培訓數據中的分類。當你完成這個網絡後,你期望什麼?如果你想讓它辨別食用和不可食用的物體,或者從綠色的橘子,或者植物中的動物,那麼你的南瓜辨別不起作用。 – Prune
@prune你錯過了我的問題。我問是否有兩種類型的對象(在這種情況下是灰姑娘和葫蘆南瓜)在相同種類的南瓜下影響網絡識別每個對象的能力。在這種情況下,網絡的唯一目的是識別南瓜而不是南瓜。 –