我使用Tensorflow建立了一个ocr分类系统。
这是图表：
def build_graph(top_k):
# with tf.device('/cpu:0'):
keep_prob = tf.placeholder(dtype=tf.float32, shape=[], name='keep_prob')
images = tf.placeholder(dtype=tf.float32, shape=[None, 64, 64, 1], name='image_batch')
labels = tf.placeholder(dtype=tf.int64, shape=[None], name='label_batch')
conv_1 = slim.conv2d(images, 64, [3, 3], 1, padding='SAME', scope='conv1')
max_pool_1 = slim.max_pool2d(conv_1, [2, 2], [2, 2], padding='SAME')
conv_2 = slim.conv2d(max_pool_1, 128, [3, 3], padding='SAME', scope='conv2')
max_pool_2 = slim.max_pool2d(conv_2, [2, 2], [2, 2], padding='SAME')
conv_3 = slim.conv2d(max_pool_2, 256, [3, 3], padding='SAME', scope='conv3')
max_pool_3 = slim.max_pool2d(conv_3, [2, 2], [2, 2], padding='SAME')
flatten = slim.flatten(max_pool_3)
fc1 = slim.fully_connected(slim.dropout(flatten, keep_prob), 1024, activation_fn=tf.nn.tanh, scope='fc1')
logits = slim.fully_connected(slim.dropout(fc1, keep_prob), FLAGS.charset_size, activation_fn=None, scope='fc2')
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels))
accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(logits, 1), labels), tf.float32))
global_step = tf.get_variable("step", [], initializer=tf.constant_initializer(0.0), trainable=False)
rate = tf.train.exponential_decay(2e-4, global_step, decay_steps=2000, decay_rate=0.97, staircase=True)
train_op = tf.train.AdamOptimizer(learning_rate=rate).minimize(loss, global_step=global_step)
probabilities = tf.nn.softmax(logits)
tf.summary.scalar('loss', loss)
tf.summary.scalar('accuracy', accuracy)
merged_summary_op = tf.summary.merge_all()
predicted_val_top_k, predicted_index_top_k = tf.nn.top_k(probabilities, k=top_k, name="predicted_top_k")
accuracy_in_top_k = tf.reduce_mean(tf.cast(tf.nn.in_top_k(probabilities, labels, top_k), tf.float32))
return {'images': images,
'labels': labels,
'keep_prob': keep_prob,
'top_k': top_k,
'global_step': global_step,
'train_op': train_op,
'loss': loss,
'accuracy': accuracy,
'accuracy_top_k': accuracy_in_top_k,
'merged_summary_op': merged_summary_op,
'predicted_distribution': probabilities,
'predicted_index_top_k': predicted_index_top_k,
'predicted_val_top_k': predicted_val_top_k}
这里是推理函数：
def inference(images, pbfile="pb/ocr.pb"):
print('inference')
start = time.time()
predicted_val_top_k = graph.get_tensor_by_name('ocr/predicted_top_k:0')
predicted_index_top_k = graph.get_tensor_by_name('ocr/predicted_top_k:1')
tensor_image = graph.get_tensor_by_name('ocr/image_batch:0')
keep_prob = graph.get_tensor_by_name('ocr/keep_prob:0')
probabilities = graph.get_tensor_by_name('ocr/Softmax:0')
logits = graph.get_tensor_by_name('ocr/fc2/BiasAdd:0')
end = time.time()
print('takes %s second to get tensor' % (start - end))
result = []
for image in images:
temp_image = Image.open(image).convert('L')
temp_image = temp_image.resize((IMAGE_SIZE, IMAGE_SIZE), Image.ANTIALIAS)
temp_image = np.asarray(temp_image) / 255.0
temp_image = temp_image.reshape([-1, 64, 64, 1])
start = time.time()
logit, prob, predict_val, predict_index = sess.run([logits, probabilities, predicted_val_top_k, predicted_index_top_k],
feed_dict={tensor_image: temp_image, keep_prob: 1.0})
end = time.time()
print('takes %s second to run tensor' % (start - end))
result.append({'image': image, 'val': predict_val, 'index': predict_index})
document_dict = {
0: 'V',
1: 'X',
2: 'U'
}
image_name = image.split('/')[-1]
return result
我们现在只有三个类，即"V"、"X"、"U"，如果我们想要检测的目标属于这三种类型，一切都可以。
然而，当我们检测到一个目标不属于候选类型时，问题就来了，例如，我们现在用"a"进行推理，问题是，我们还得到了"a"的类"X"，这显然是不正确的。
然后，我想通过设置分数阈值来区分其他人。
我们知道tf.nn.softmax返回类似分数的东西，当我调试时，我发现目标"A"的类"X"的分数(推理函数中的predict_val)几乎是1(实际上是0.9999.)
然后，我认为在深入研究softmax之后这是合理的：
softmax = tf.exp(logits) / tf.reduce_sum(tf.exp(logits), axis)
它只对当前类logits执行操作。
那么，有没有办法为涉及所有其他目标的softmax添加一个未知类？
环境：Python 3.6.5；Tensorflow 1.8.0
谢谢。
韦斯利
我将添加一个额外的输出类Unknown，因为这将允许您的模型学习对训练集中的项目进行分类，同时还具有一个输出来转储与目标不匹配的任何项目。
猜测一下你的代码，因为你还没有提供一个有效的例子，我认为下面的更改就成功了：
logits = slim.fully_connected(slim.dropout(fc1, keep_prob), FLAGS.charset_size+1, activation_fn=None, scope='fc2')
现在您的输出将有4个概率，因此document_dict可以如下所示：
document_dict = {
0: 'V',
1: 'X',
2: 'U',
3: 'Unknown'
}
你需要看看这是如何训练的，但我希望你现在会看到，当面对未知输入时，你关心的值(V，X，U)的分数会低得多。