图像的一类分类答案

【问题标题】：One class classification for images图像的一类分类
【发布时间】：2019-09-25 01:15:34
【问题描述】：

假设您有数千张猫的图片，如下所示：(https://web.archive.org/web/20150703060412/http://137.189.35.203/WebUI/CatDatabase/catData.html)。您希望构建一个系统，它可以查看图像并说出 - 图像是否是猫的图像。

 What are the (if any) techniques to build such a model with a descent accuracy?

PS1：这个问题的关键挑战是看到“不是猫的东西”是一个巨大的宇宙——这个世界上每一个不是猫的图像都符合它的条件。将此问题表述为二进制分类并不好，因为几乎不可能收集“什么不是猫”的“全面”数据集。（如果这样做，您的模型将与“什么不是猫”的数据集一样好）

PS2：这样的设置叫做“一类分类”

【问题讨论】：

如果你没有任何东西可以与分类结果进行比较，你会说这类似于一只猫，百分比很高，因为你已经训练了系统知道猫是什么。如果你需要高精度，那么你需要在你的系统中训练其他类，当然，“非分类”的结果将是与其中任何一个都不匹配的结果。
此外，负类更大的二元分类问题也很常见。当然，你的分类器不会有完美的准确性，但除此之外我没有看到问题。
@BrankVictoria：请阅读en.wikipedia.org/wiki/One-class_classification
@TA：我只有一个类的数据！（猫的图像）

【解决方案1】：

我能想到的一种方法是使用一类 SVM，它本质上是进行异常值检测。
在实践中，您可以首先应用预训练的 CNN 来提取图像的有意义的紧凑表示，然后将这些向量用作 One-Class SVM 的输入。所有非猫的东西都将是异常值！

【讨论】：