Обучение машинам: Классификация изображений: CNN: Как идентифицировать только красные автомобили?

Question

Я пытаюсь найти способ классификации, если данное изображение содержит красный автомобиль.

Возможные исходы классификатора должны быть:

1. Изображение содержит CAR и красный. (Желаемый случай)
2. Все остальные, где изображение содержит АВТОМОБИЛЬ, но оно НЕ КРАСНО или изображение не содержит никаких автомобилей вообще.

Я знаю, как реализовать сверкающий NN, который может классифицировать, содержит ли изображение CAR или нет.

Но у меня возникли проблемы с тем, как реализовать мелкозернистую классификацию изображений для этого, где классификатор должен идентифицировать только Red Cars и игнорировать все другие изображения, которые могут содержать автомобили или автомобили на изображении.

Я прочитал следующие документы, но поскольку мой прецедент ограничен, чем поиск сходства, предложенного в документах, я пытаюсь понять, существует ли простой подход к его реализации.

Fast Training of Triplet-based Deep Binary Embedding Networks

Learning Fine-grained Image Similarity with Deep Ranking

Спасибо за вашу помощь.

Answer 1

Просто рассматривайте его как проблему классификации с двумя классами: «Красный автомобиль» - «Нет красного автомобиля». Обозначьте каждый экземпляр ваших данных обучения таким образом. Вначале нет необходимости обучать «автомобиль» классификатору.

Я знаю, как реализовать Свернующий NN, который может классифицировать, содержит ли изображение CAR или нет.

Хорошо. Затем это должно быть сделано в течение нескольких секунд (+ время для маркировки).

Я прочитал следующие документы, но поскольку мой прецедент ограничен, чем поиск сходства, предложенного в документах, я пытаюсь понять, существует ли простой подход к его реализации.

Быстрого обучение Триплета на основе глубоких бинарного Embedding сетей

Изучение Мелкозернистого Сходства изображения с Deep Рейтингом

Да, просто рассматривая его как проблема классификации, как описано выше. Если вам нужен стартер, посмотрите на Tensorflow Cifar10 tutorial.