java - 神经网络 : classify as nothing?

Question

我正在创建一个手势识别器，它使用前馈神经网络对手势进行分类。

问题是我希望实时识别手势。

我从过去 60 个记录的帧中创建一个输入 vector ，如果用户做出了手势，则神经网络可以对输入进行分类，并且应用程序可以告诉用户它执行了什么手势。

但是当用户静止不动时我需要做什么？它没有做任何手势，但神经网络会尝试将静止归类为手势。我如何将输入 vector 分类为“无”？

关于神经网络的另一个问题:假设我已记录 1 个手势 20 次，我的训练数据将如下所示:

[输入 VEC1] = [1](理想)

[输入 VEC2] = [1](理想)

[输入 VEC3] = [1](理想)

...

[输入 VEC20] = [1](理想)

(具有理想结果的输入 vector )

在此示例中，网络只有一个输出神经元。训练数据仅提供何时执行手势的示例，而不提供何时不执行手势的示例。

是否可以使用具有一元数据的神经网络？ (只有“好的”训练数据示例，没有“坏的”训练数据示例)

谢谢!

Answer 1

一个分类器至少需要两个类。拥有单一类别是没有意义的，因为 100% 的样本将落入该类别，并且分类器变得微不足道。为站立不动的用户创建一个零类，并为该类生成训练数据。理想情况下，在其中一些训练样本中，用户移动一点，但不执行手势；在其他情况下，它的站立姿势略有不同；然后，您的神经网络应该能够判断是否执行了某个手势。