沃森视觉识别再训练

Question

我正在开发一个TJBot视觉识别应用程序。

关于再培训，我有一些特别的问题。

我的情况与此类似：

我有一个为猫，狗和消极类别(不是猫或狗)训练的模特。

视觉识别器有时会得到错误的答案。

我想要做的是“自动”重新训练模型，在得到错误答案时以编程方式使用API。

例如，当一只狗实际上是一只猫时，我对它下了错误的判断之后，我想回头打电话给视觉识别再培训api，并指出:这张照片是一只猫。这幅画不是一只狗。

问题：( 1)是否有只使用一张图片的“部分再培训”API？如果没有必要的话，我不想再上传数百张照片来重新训练模特。

2)在这种情况下，我想说这是一只猫的正面例子，也是一只狗的反面例子。据我所知，没有办法表明“狗的负面例子”。我只能说“猫和狗的反面例子”。有没有一种方法来表示“只是一个受过训练的班级的负面例子？”

3)如果没有API，我可以使用‘studio’网站完成#1或#2吗？多么?

谢谢，安迪·雪铁龙(IBM退休)

Answer 1

谢谢你的问题。

1. 是的，您可以发送一个图像作为数据再培训一个分类器。然而，1图像不太可能对分类器产生很大影响。我们建议在每个再培训请求中发送至少10张新图像。
2. 如果作为"negative_example“发送，图像应该既不是猫也不是狗。分类器中的类应该是相互排斥的。一张猫和狗在一起的照片并不能很好地训练一种试图区分这两种类型的系统。对于分类器，它可以给出的答案类型是由类定义的，或者如果使用negative_examples，则使用“上述任何一种类型”。所以在你的例子中，世界上的每一幅图像都被这个模型分类为猫，狗，或者两者都没有。
3. API记录在这里：https://www.ibm.com/watson/developercloud/visual-recognition/api/v3/curl.html?curl#update-classifier