如何解决当我用黑色图像训练我的模型时,我的模型的输出是否被操纵? - 分类
我创建了一个深度学习模型,它根据图像的亮度值对它们进行分类,从 0.1 到 1.0(0.1、0.2、0.3、... 0.8、0.9、1.0) 黑色图像的 RGB 值为 0/0/0,应预测亮度为 ~0.1,白色图像为 255/255/255,因此输出值为 1.0。
现在当我训练我的模型时,我还在那里放了一张黑色图像。在我的代码中,我有一个片段可以将我的数据集的每张图片的亮度值增强到每个类别。 所以解释一下:每个图像都有每个亮度值。 但问题是:黑色图像也接收 0.1、0.2、0.9 等值,因此网络可以学习所有内容。 当我在测试中输入黑色图像时,网络会记住黑色图像的输出值也为 0.9,例如,即使它必须为 0.1,也会返回 0.9 的预测。
我该如何解决这个问题?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。