基于转移学习的单类数据集图像分类

Question

我只有大约1000辆车的图像。我需要训练一个模型，可以识别图像是车辆还是非车辆。我没有关于非车辆的数据集，因为它可能是除车辆以外的任何东西.

我想最好的方法是应用迁移学习。我正在尝试训练一个预先训练过的VGG19模型的数据。但是，我仍然不知道如何用没有任何非车辆图像的车辆图像来训练模型。我不能把它分类。

我是全新的ML整体，任何基于实际实现的解决方案都将受到高度赞赏。

Answer 1

您可以尝试使用预先训练的模型并获取输出。您可能需要应用降维方法，例如PCA，以获得更可管理的大小输入。之后，您可以训练新颖性检测模型，以确定输出是否与您的培训集不同。

请参阅下面的示例：https://github.com/J-Yash/Hotdog-Not-Hotdog

希望这能有所帮助。

Answer 2

你对迁移学习方法的看法是正确的。看一看这篇文章，它正是关于用迁移学习- https://medium.com/@mandygu/seefood-creating-a-binary-classifier-using-transfer-learning-da751db7cf9c从多类分类到二进制分类。

Answer 3

这是一个二进制分类问题:输入是否是车辆。

如果您是ML新手，我建议您在跳到卷积神经网络(CNN)之前，应该开始实现基本的二进制分类器，如Logistic回归、支持向量机。我为使用不同算法的二进制分类问题实现提供了一些链接。我希望这能帮上忙。

Logistic回归：https://github.com/JB1984/Logistic-Regression-Cat-Classifier

支持向量机：https://github.com/Witsung/SVM-Fruit-Image-Classifier

CNN：https://github.com/A-Jatin/CNN-implementation-for-binary-image-classification