问tensorflow模型中非训练类的高精度
EN

Data Science用户

提问于 2020-12-26 08:31:32

回答 1查看 89关注 0票数 0

我使用apple_nature、apple_disease、apple_blacrot、apple_healthy等4种多类图像分类算法训练了TensorFlow图像分类算法.然而，经过训练，我们得到了一个很好的精度模型。

我面临的问题是，当我预测番茄图像时，它在苹果值上得到了很高的准确性，那么我如何解决这个问题呢？

实际上，它在未经训练的课程中获得了很高的准确率。

回答已采纳

发布于 2020-12-26 10:10:39

这是正常的，因为模型从来没有见过这样的数据，所以这种看不见的数据的概率就像随机的，它可以是高的，也可以是低的。

您应该将所有其他图像(如番茄图像)添加到一个新的专用类中，在这个类中，您将把不属于4个原始类的所有内容都放入其中。

这样，对于番茄图像，你的模型会给出其他类的高概率，而苹果类的概率很低。

票数 1

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/87146

复制

相似问题

问tensorflow模型中非训练类的高精度EN