Я был бы признателен за помощь в размышлении об этом. У меня есть классификатор, который может с хорошей точностью классифицировать изображения на собаку или кошку. У меня есть хороший набор данных для обучения классификатора. Пока нет проблем.машинное обучение: классификация изображений на 3 класса (собака или кошка или ни одна) с использованием сверточного NN
У меня около 20 000 собак и 20 000 изображений кошек.
Однако, когда я пытаюсь представить другие изображения, такие как автомобиль или здание или тигр, у которого нет ни собаки, ни кошки, я хотел бы, чтобы выход классификатора был «Niether». Сейчас очевидно, что классификатор пытается классифицировать все на собаку или кошку, что неверно.
Вопрос 1:
Как я могу это достичь? Нужно ли иметь 3 набора изображений, которые не содержат собаку или кошку, и обучить классификатор этим дополнительным изображениям, чтобы распознать все остальное как «Ничего»?
На высоком уровне примерно, Сколько изображений категории не для собак/кошек мне нужно, чтобы получить хорошую точность? Было бы около 50 000 изображений, так как домен с не-собакой/кошкой был настолько огромным? или мне нужно еще больше изображений?
Вопрос 2:
Вместо подготовку собственного классификатора, используя свои собственные данные изображения, можно использовать Imagenet обучена модель VGG16 Keras для исходного слоя и добавьте DOG/CAT/Ни классификатор сверху как полностью подключено слой?
See this example to load a pre-traied imagenet model
Спасибо большое за вашу помощь.
Когда вы дойдете до разрешения, не забудьте проголосовать за полезные вещи и принять ваш любимый ответ (даже если вам нужно написать его самостоятельно), поэтому Stack Overflow может правильно архивировать вопрос. – Prune