我有1000张狗的图片和1000张猫的图片。

我已经训练了一个小的卷积神经网络（CNN）来对这个数据集进行分类，验证/测试集上的准确率达到了99%以上。

但是，我注意到当我输入不是猫或狗的图像，例如一辆车时，分类器有时会给出高置信度的猫或狗的分类结果。

这是为什么呢？我理解CNN只在两个类别上进行过训练，但如果它看到完全随机的图像，不应该对这两个类别都输出低置信度吗？

我认为这个问题可以通过负面示例（其他随机物体和动物的图像）来解决，但随之而来的问题是：需要多少负面示例才能真正覆盖所有可能的随机图像（不是猫或狗）的分布？

回答：

如果网络只在狗/猫图像上进行训练，那么它混淆不属于这两个类别的图像是可以理解的。你应该在训练集中添加负面示例（如你所提到的），并将最终的分类层转换为预测三个类别的置信度（狗，猫，其他）。这样应该会更好。