各境界ボックスの信頼値

Question

私は現在、ニューラルネットワークを使って画像を与えられた画像分類に取り組んでいます。私は正常に画像上に境界ボックスを作成し、それぞれの境界ボックスについて、20クラスのそれぞれの値を得るために、分類アルゴリズム（W、Bはウェイト、およびトレーニングデータから既に学習されたバイアス）を適用しました。 1つのバウンディングボックスIは、20クラスのために得た値に対して

は：

221.140961 71.6502609 185.005554 14.2860174 177.44928 -20.842535 
-16.2324142 -105.940437 -397.505829 132.100311 -12.3567591 262.162872 
-243.444672 -198.083984 19.3514423 1.94239163 -75.0622787 -93.7277069 
-181.89653 260.002625 

予測クラスは最大値262.162872を持つクラス11（0から始まるクラスの指標）です。私はまた、各境界ボックスの信頼値が通常計算され、その値の範囲が0から1までのいくつかの論文に出くわしました。

各境界ボックスでこの信頼値を取得する方法はありますか？他のすべてのクラスに関して、クラス11の確率のみですか？ このデータではどうすれば入手できますか？

Answer 1

ソフトマックスは、通常使用される、確率にニューラルネットワークの出力を変換する： https://en.wikipedia.org/wiki/Softmax_function

これは非常に小さな値がゼロに近い確率となり、非常に大きな値に近くオン確率になることを保証します。範囲の終わりはに比較的鈍感です。値が大きいとは、範囲の中央がはるかに敏感です。また、すべての確率が1になるようにします。これは、複数クラスの分類（クラスが互いに素である場合）に適しています。

通常、softmaxの前には、有効化機能（ReLUなど）は適用されません。だから典型的なネットワークは、畳み込み - > ReLU - > ... - >畳み込み - > ReLU - >畳み込み - > softmaxです。

P.S.説明したように、あなたのニューラルネットワークは本当に1つのレイヤーを持っていますか？これは通常、良い結果をもたらさない。