neural-network - 识别非数字

Question

我已经编写了一个神经网络来识别推送到我的服务器的单个数字。我工作得很好，直到客户开始推送“空数字”。首先，我开始手动迭代它们并检查 NOT WHITE。现在它变得更加复杂，因为上传了“脏”的空白，其中有一些噪音。此外，有些人开始推对角线和水平线或 X，而不是写 0（零）。

我想知道我应该如何训练一个对这些“非数字”进行分类的“前”神经网络，尤其是我很难找到一种方法来训练一个嘈杂的空白所描绘的零。

Answer 1

您正在使用神经网络，我的建议是让神经网络输出输入为给定类的概率，例如它可能输出数字 5，确定性为 75%。

一旦你有了这些概率，你就可以找到一个“截止”值，低于这个值你会认为输入只是噪音/空。

_{我在上面链接了一个关于从 NN 中获取分类概率的问题。}

Answer 2

您可以创建一个不良输入的训练集，并为这些不良示例使用一个额外的类来训练一个网络。