Учебная модель для распознавания одного конкретного объекта (или сцены)

Question

Я пытаюсь обучить учебную модель, чтобы распознать одну конкретную сцену. Например, скажите, что я хотел бы обучить его распознаванию фотографий, сделанных в парке развлечений, и у меня уже есть 10 тысяч снимков, сделанных в парке развлечений. Я хотел бы обучить эту модель этим фотографиям, чтобы она могла дать оценку другим снимкам вероятности того, что они были взяты в парке развлечений. Как мне это сделать? Учитывая, что это проблема распознавания изображений, я бы, вероятно, использовал сверточную нейронную сеть, но я не совсем уверен, как ее обучать в этом случае.

Спасибо!

Answer 1

Существует несколько возможных способов. Наиболее тривиальным является сбор большого количества негативных примеров (изображений из других мест) и подготовка модели с двумя классами.

Второй подход заключается в подготовке сети для извлечения значимых низкоразмерных изображений из входного изображения (вложений). Здесь вы можете использовать сиамскую тренировку для явного обучения сети, чтобы узнать сходство между изображениями. Такой подход используется, например, для распознавания лиц (см. FaceNet). Имея такие вложения, вы можете использовать некоторые хорошо зарекомендовавшие себя методы обнаружения отбросов, например, 1-классное SVM или любой другой классификатор. В этом случае вам также нужны отрицательные примеры.

Я бы сильно увеличил ваши данные с помощью обрезки изображений - это самый очевидный способ увеличить количество данных обучения в вашем случае.

В целом, ваш успех в этой задаче сильно зависит от оператора задачи (ограниченного только парками или любого места) и правильных данных.