機械学習：畳み込みNNを使用して3つのクラス（犬または猫またはそれ以外のいずれか）に画像分類

Question

これを考えていくのに少し役立つでしょう。私は犬または猫のいずれかに画像を良好な精度で首尾よく分類できる分類器を持っています。私は、分類器を訓練するための良いデータセットを持っています。これまでのところ問題ありません。

私は約20,000の犬と20,000の猫の画像を持っています。

しかし、犬や猫のいない車や建物、虎などの画像を表示しようとすると、分類器の出力を「ニーサー」にしたいと思います。今明らかなように、分類器はすべてを正しく分類されていない犬または猫に分類しようとします。

質問1：

どうすればいいですか？犬や猫がいない3組の画像を用意し、これらの追加画像に分類子を訓練して、他のものを「どちらも」と認識させる必要がありますか？

犬/猫以外のカテゴリの画像は、どれくらいの高さで正確な精度が必要ですか？ノンドッグ/ネコ画像ドメインがとても大きいので約50,000枚の画像がありますか？または私はさらに多くのイメージが必要ですか？

質問2：

代わりに自分の画像データを使用して独自の分類器を訓練する、私はImagenetは、初期層のためのVGG16 Kerasモデルを訓練し、完全に接続されているように、上部にDOG/CAT /どちら分類器を追加使用することができます層？

See this example to load a pre-traied imagenet model

あなたの助けを本当にありがとうございました。

Answer 1

質問2

私が最初に "キラー" ヒューリスティックを取りますよ。はい、既存の訓練モデルを使用してください。すべての犬の分類をクラス1に、猫をクラス2に、それ以外はクラス0にまとめるだけです。これは事実上すべての問題を解決します。

質問1

問題は、あなたの初期モデルは、世界ですべて（すべての40,000画像）犬や猫のいずれかであることを訓練されているということです。はい、トレーニング方法が単クラスSVM（各分類で1回実行）などの自己制限アルゴリズムでない限り、3番目のセットをトレーニングする必要があります。それでも、私は、あなたはLynxやオオカミを排除するのに何か問題があると思います。

入力スペースの高次元を考えれば、「どちらも」のクラスにはたくさんの例が必要でしょう。それは画像の量ではなく、 "猫や犬から。最小の追加入力でこれを行う方法を決定するプロジェクトに興味があります。

簡単に言えば、世界のImageNetタイプから50Kイメージを取得するだけではありません。他のネコやイヌの例、類似の環境（エンド・テーブル、フィールド・げっ歯類など）で見つかるその他のオブジェクトなど、あなたのモデルに最良の差別を与えるものを選択してください。