使用神经网络的一类图像分类答案

【问题标题】：One class classification of images using Neural Network使用神经网络的一类图像分类
【发布时间】：2020-11-08 17:15:27
【问题描述】：

目标是对狗和非狗进行分类。训练数据集仅包含狗图像。神经网络将仅使用此训练数据集进行训练，然后使用包含狗和非狗图像的测试数据集进行测试。

我关注了encoder Datacamp tutorial，就我而言，自动编码器将所有测试图像分类为狗，这是错误的。

为一类分类构建 CNN 也是不可能的。知道怎么做吗？

【问题讨论】：

【解决方案1】：

您所问的正确术语是二元分类。

您可以安全地使用 CNN 进行二元分类。问题是如何对输出层进行建模。您可以使用带有两个输出单元的 softmax 层（argmax(output) 是第 1 类：狗，第 2 类：不是狗）或使用更传统的方法，使用单个 sigmoid 单元作为输出（输出>0.5：狗，

当然，您必须调整数据标签以适应任何一种方法。

编辑：您需要狗的图像和不包含狗的图像。网络需要知道两者的分布。想想你的用例和你期望什么样的图像不是狗。然后收集不是狗的图像并相应地标记它们。

【讨论】：

CNN 将仅使用狗图像进行训练，这可能吗？有关如何执行此操作的任何示例？尤其是在单个 sigmoid 上。
@jwen 您需要狗和非狗图像，通常这应该是 50-50，但它可能会出现偏差，因为这实际上取决于数据集中的许多细节。首先，您可以收集用户可能遇到的不是狗的图像，并将它们标记为“非狗”。不幸的是，没有办法解决这个问题。获得平衡的数据集是一个很大的话题，我们无法在此讨论，我建议您阅读更多内容。