为什么图像分类竞赛选择五个候选答案?为什么不是四个,也不是三个,尤其不是一个?

为什么图像分类竞赛要求提供五个候选答案?

我的意思是,如果图像是关于橙子的,那么(苹果、汽车、飞机、书、橙子)就是正确的答案。

但如果竞赛只要求三个候选答案,而这台机器只回答前三个——(苹果、汽车、飞机),那么它就是错误的。

因此,五个候选答案比三个候选答案要容易得多。而且三个答案几乎等同于一个答案。

为什么特别是数字1,为什么要要求五个候选答案呢?

我花了半个小时来研究这个问题。


回答:

首先,分类器的准确性还不够高。这可以鼓励研究人员。其次,图片中的对象不止一个。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注