Правильный способ реализации бинарного классификатора?
Хочу попрактиковаться в сверточных нейронных сетях и для старта сделать бинарный классификатор изображений. Т.е. грубо говоря - хотдог/не_хотдог. Как я понял на данный момент, есть несколько способов реализации подобного:
1. Создаем сетку с 2-мя нейронами на выходе, первый нейрон активируется если хотдог, вторая - соответственно в иных случаях. Делаем две группы изображений для каждого случая. Обучаем.
2. Создаем сетку с 1-м нейроном на выходе, который активируется только если хотдог. В иных случаях на выходе - 0. Обучающая выборка содержит только хотдоги.
Подскажите, оба ли варианта имеют право существовать на практике, какой лучше, может есть еще варианты?
Обучающая выборка в любом случае должна содержать и положительные, и отрицательные примеры.
Делать один нейрон с сигмоидой в конце или два с софтмаксом - в целом все равно.
Спасибо, думал уже без ответа останусь. Остановлюсь на варианте с 2-мя нейронами. Может еще подскажете, приемлем ли вариант обучения если обучающая выборка с конкретным классом в 2 раза меньше чем выборка с рандомными изображениями. Например 4к/8к. Или лучше использовать 50/50?
Средний
