我正在研究分类图像的多标签问题。我没有足够的数据，所以我使用CNN作为特征提取器的转移学习。由于我有足够的数据用于某些类，我在某种程度上制定了问题：
30个等级和31个等级是图像的“休息”，所以我可以区分它们。
第31次休息班主要是拖延我的准确性和其他指标。我正在考虑在Keras中创建多输出网络，其中一个输出将是二进制分类，无论它是“好”还是“休息”图像，第二个仅在第一个被归类为商品时才被训练。
我确实理解我也需要评估第二个输出，因为这就是计算图的工作原理，但是有一个选项可以告诉图层：根据另一个softmax的输入，不要适应这个不好的例子吗？
谢谢
我想我在某种程度上理解你想要达到的目标。要做到这一点的方法是训练两个模型 - 首先是二元分类'好'对'休息'和这个模型的输出，如果'好'必须传递到第二个模型 - 30类输出模型。这实际上是解决问题的常见方式。
我之前曾研究过头盔检测问题 - 我注意到，如果我检测到一个型号的人并将这些箱子传递给分类模型 - “头盔”或“没有头盔”，那么它不会检测头盔，而是更好。