CNN负面训练图片示例

Question

我正在使用Caffe框架进行CNN训练。我的目标是为几个基本对象类别执行简单的对象识别。由于预训练网络不是我提出的用法的替代方案，所以我准备了一个自己的训练和测试集，每个训练课程包括两个班级（椅子和汽车），大约有1000个图像。

结果非常好。如果我呈现一张尚未看到的椅子图像，则可能将其归类为汽车图像。我的问题是，不显示任何这些类别的杂项图像的结果对于一个随机类别（这对于单独的训练数据而言并不令人惊讶，但对于我的应用程序而言是一个问题）显示出非常高的置信度（= 1）。我想过不同的解决方案：

1）添加第三个类也有大约1000个反例，显示除椅子和汽车以外的任何物体。

2）通常添加更多的对象类别，只是为了让网络将其他对象分类，而不再是椅子或汽车（当然这需要很多努力）。也许更广泛的预测结果会显示负像中更均匀的分布，从而允许根据阈值评估目标物体的存在？

因为从互联网抓取随机图片作为负面例子并不费时，所以我已经用大约1200个反面例子测试了我的第一个解决方案。它有帮助，但问题依然存在，也许是因为它太少了？我担心的是，如果我增加负面例子的数量，每个类别的例子数量的不平衡导致原始类别的检测不准确。 经过一番研究，我发现一个人有类似的问题，但没有解决办法： Convolutional Neural Networks with Caffe and NEGATIVE IMAGES

我的问题是：有没有人有同样的问题，并且知道如何处理呢？您会推荐什么方式，添加更多否定示例或更多对象类别，或者您有其他建议吗？

Answer 1

这个问题并不是Caffe或ConvNets所特有的。任何机器学习技术都存在这种风险。最后，所有分类器都会在某个输入空间（通常非常高维）中采用矢量，这意味着它们会划分该输入空间。您已经给出了两个分区的示例，这有助于估计两者之间的边界，但仅限于此边界。两个分区都有非常非常大的边界，这正是因为输入空间非常高。

ConvNets试图通过具有相当小的卷积内核来解决图像数据的高维问题。真实的负面数据有助于培训这些人，而且标签无关紧要。在训练卷积核时，甚至可以使用输入图像作为目标（即将其作为自编码器进行训练）。

你不想包括所有反例的一个一般原因是因为它们可能太多样了。如果您在某个尺度上有一个具有范围为[-1，+ 1]的某个特征值的类A，并带有反例B [-2，-1]和C [+ 1，+ 2]，则将B和C集合在一起创建对于与实际实际范围重叠的反例的范围[-2，+ 2]。给定足够的数据和足够强大的分类器，这不是致命的，但是例如SVM可能会在这方面严重失败。