基于深度学习的图像分类器是否应该包含否定类

基于深度学习的图像分类器通常不包含否定类。图像分类器的目标是将输入的图像分为不同的类别，而否定类通常是指不属于任何已知类别的图像。在深度学习中，模型的训练是基于已知类别的样本进行的，因此模型只能对已知类别进行分类，而无法对未知类别进行分类。

包含否定类可能会导致模型的性能下降，因为否定类的定义模糊且多样化，很难准确地定义和训练模型来识别所有的否定类图像。此外，包含否定类还会增加模型的复杂性和计算成本。

对于图像分类任务，通常的做法是将图像分为多个互斥的类别，每个类别代表一种特定的物体或概念。如果需要识别未知类别的图像，可以考虑使用异常检测或无监督学习的方法。

腾讯云提供了多个与图像分类相关的产品，例如腾讯云图像识别（https://cloud.tencent.com/product/tii）和腾讯云智能图像处理（https://cloud.tencent.com/product/tip）等，这些产品可以帮助开发者实现图像分类和图像处理的需求。