Sie verfügen über einen Datensatz von 1.000.000 beschrifteten 200x200-Bildern, die angeben, ob ein Auto vorhanden ist oder nicht. Welche neuronale Netzwerkarchitektur und Wahl der Ausgabeschicht führt am ehesten zur höchsten Genauigkeit bei der Erkennung der Anwesenheit eines Autos in einem Bild?

Ein tiefes Convolutional Neural Network (CNN) ist die beste Wahl für die Bildklassifizierung, da es räumliche Hierarchien und Merkmale in Bildern effektiv lernen kann. Für eine binäre Klassifizierungsaufgabe (Auto vorhanden oder nicht) ist eine Softmax-Ausgabeschicht mit zwei Klassen (Auto, kein Auto) oder eine Sigmoid-Ausgabeschicht mit einer Klasse (Wahrscheinlichkeit für Auto) am besten geeignet, um Wahrscheinlichkeiten auszugeben. Eine lineare Ausgabeschicht ist für Regressionsaufgaben gedacht und würde hier keine sinnvollen Wahrscheinlichkeiten liefern. Ein Multilayer Perceptron (MLP) wäre für Bilddaten weniger effizient, da es die räumliche Struktur der Pixel nicht direkt berücksichtigt und daher mehr Parameter und Trainingsdaten benötigen würde, um ähnliche Leistungen wie ein CNN zu erzielen.