Репрезентативность выборки анти-примеров при обучении НС

Дмитрий7 ноября 2009Data Mining3 комментария

Обучаю НС определять: лицо на картинке, или нет. Выхода два и в случае лица первый должен давать 0.8, а второй - 0.2. В случае не лица - наооборот. А проблема такая. Если учить сеть только на лицах, то она обучается неправильно: на любые входы даёт выходы близкие к 0.8 и 0.2 (то есть любую входную картинку опеределяет как лицо). Мне подсказали, что нужно показывать сети и примеры "не лиц" тоже. И вот встаёт вопрос: что показывать в качсетве "не лиц"? Ведь и множество лиц и множество "не лиц" - бесконечны. Но второе намного шире. И если у меня есть большая база лиц, то можно условно считать её репрезентативной. А с не лицами непонятно как. Если брать, например, фотографии морд животных, то будет проблема. Сеть будет различать лица людей и морды животных. Но если показать ей потом, например, чайник или помидор - она растеряется. Что подскажете?