CNN 可以预测具有两个训练类组合的图像吗？答案

【问题标题】：Can CNN predict images which have combination of two trained classes?CNN 可以预测具有两个训练类组合的图像吗？
【发布时间】：2020-08-29 21:48:41
【问题描述】：

我是 CNN 的新手，假设我们为猫和狗训练模型，如果我们给出猫和长颈鹿（或任何动物）的图像。它会将图像预测为 cat 吗？

如果我有一个用例，我需要预测图像中的一只猫，无论其周围是什么（比如多只猫中的猫或其他动物），哪种方法最好？

【问题讨论】：

标签： tensorflow image-processing keras classification conv-neural-network

【解决方案1】：

是的。如果您训练二元分类 CNN 模型（例如猫与狗），并且提供的图像有猫和长颈鹿，则模型将其预测为 cats 类别。

根据您的描述，我认为您正在寻找对象检测模型。详情请查看here。您可以使用迁移学习方法为您的自定义课程训练它。假设您针对两个类别（猫和狗）进行了训练，并提供了一个包含 10 种不同动物的图像，该模型预测该图像中的猫和狗（如果有的话），并在其周围绘制一个边界框并将其标记为 @ 987654323@ 在dog 周围的边界框顶部，cat 也是如此。

【讨论】：

感谢您的回复。但是，如果我的模型需要将至少一只猫（以及任意数量的动物）的所有图像分类为 A 类，而那些甚至没有一只猫的图像分类为 B 类，可以使用图像分类吗？
根据您的描述，您所期望的很难准确地得到，但并非不可能。您的模型应该能够捕捉到捕捉猫特征的复杂性，而忽略图片中其他动物引发的误报。您还需要有良好的图像分布，代表复杂的多动物，但只能检测到一个。我认为从简单的 CNN 开始并增加复杂性（更多的 CNN 层、密集层、dropout 层、Maxpooling 等）。也尝试数据增强。祝你好运。