机器学习：图像分类：CNN：如何识别Just Red Cars？

Question

我试图想出一种方法来分类，如果给定的图像包含一辆红色的车。

分类的可能的结果应该是：

1. 图片包含一辆汽车，它是红色的。 （所需情况）
2. 所有其他图像包含CAR但不是红色的图像或图像根本不包含任何汽车。

我知道如何实现一个卷积NN，可以分类，如果一个图像包含一个CAR或不。

但是我在如何实现细粒度图像分类方面遇到了麻烦，因为分类器应该只识别红色汽车，并忽略图像中可能包含汽车或没有汽车的所有其他图像。

我阅读了以下论文，但由于我的使用案例比发现论文中提出的相似性要有限得多，所以我试图查看是否有简单的方法来实现此目的。

Fast Training of Triplet-based Deep Binary Embedding Networks

Learning Fine-grained Image Similarity with Deep Ranking

感谢您的帮助。

Answer 1

只要把它作为一个分类问题与两个类：“红色的车” - “没有红色的车”。以这种方式标记您的培训数据的每个实例。不需要先培训“汽车”分类器。

我知道如何实现一个卷积NN，可以分类，如果一个图像包含一个CAR或不。

好。然后这应该在几秒钟内完成（+标签的时间）。

我阅读了以下论文，但由于我的使用案例比发现论文中提出的相似性要有限得多，所以我试图查看是否有一种简单的方法来实现此目的。

基于三重深层二进制嵌入网络

学习细粒度的图像相似的快速训练与深排名

是的，只是把它当作一个分类问题，如上所述。如果您需要启动器，请查看Tensorflow Cifar10 tutorial。