机器学习分类算法中如何实现非对称关系？

Question

我正试图建立一个分类系统，如果图像B是图像A的子类别，则将成对图像作为输入和输出{0或1}。

下面是一些数据的例子。

• 输入:图像A苹果树和图像B苹果输出:1
• 输入:橙树和橙输出:1
• 输入:苹果树和橙树输出：
• 输入:苹果和苹果树输出：

这需要模型体系结构中的非对称关系(苹果树->苹果，但不是相反的关系)，我很难找到结构来帮助解决这种情况。

我试着研究产品推荐/服装兼容性文件，因为它们似乎有不对称的关系(例如笔记本电脑到充电器)。但大多数研究似乎没有解决不对称问题，而是使用协作过滤。

是否有任何解决不对称问题的模型结构或论文？任何帮助都将不胜感激。

Answer 1

我建议使用某种数据增强来教你的模型问题的本质，假设你的模型有一个输入层来接受2个图像，一个标志来表示欲望关系，如果你添加一些合成对来澄清模型中的问题(关系的方向)。准确地说，您可以添加另一个合成样本，为每一个阳性(label=1)记录加上标签0，只要颠倒图像的顺序！

[Orange Tree] & [Orange] | Label: [1] # Real
[Orange] & [Orange Tree] | Label: [0] # Synthetic