深い学習分類器は、自動車、船舶、トラック、鳥、馬、犬の画像を区別するように訓練されているとします。しかし、鳥のためのすべての訓練データは黄色の鳥でした。一般的に訓練された深い学習分類子を使用してサブクラス内で分類できますか？
訓練された分類器を使用して、鳥の画像データセット内の黄色の鳥のみを検出することはできますか？画像データはここでの一例に過ぎません。データは、DNA配列のような他のものであってもよい。質問が非官能的またはあまりにも基本的でない場合は、私にご負担ください。
あなたが言及した例では、車、船、トラック、鳥、馬、犬を区別する分類器を学習していませんが、あなたが言及した5つの最初のものと黄色の鳥。これは、の鳥のユニットのスコアがアウトとなったときに、モデルのパフォーマンスが良く、データセットが十分に大きかったと仮定すると、異なるオブジェクトと黄色の鳥の区別がつかえることがあります。他の鳥になるだろう。もちろん、形だけを使って鳥やさまざまな物体を区別する方法を学ぶ小さな可能性がありますが、それは考慮に入れるには小さすぎます。もちろん、適切なテストデータセットを生成するだけで確認できます。
一般的には、多くの要因によって異なります。それらの1つは、ネットワークのアーキテクチャと設計です。異なる色のものから黄色の鳥を識別することは、カラー画像の性質の畳み込みのために容易である。別のケースでは、あまり明らかではないかもしれません。他のことは、あなたがお互いに差別化したいと思っているこれらのクラスがどれほど概念的であるかです。たとえば例 - この他のクラスは学習されたものと同じコンセプトから構築することができます - あなたは問題の原因があるかもしれませんネットワークは単に黄色の鳥の指標としてそれらを学ぶかもしれません。
したがって、適切なテストデータセットを設計し、さまざまなクラスのスコアの比較を実行することをお勧めします。このスコアがうまくいくことを証明すれば、あなたは完了です。そうでない場合は、ネットワークを再トレーニングする必要があります。
これは主に、鳥を検出するために分類器によって捕捉された特徴に依存する。主な基準が例えば翼のような形やくちばしの場合、黄色の鳥は他の鳥とほとんど区別できません。
一方、黄色が本当に分類に重要であれば、黄色の鳥は他の色の鳥よりも高い確度で鳥として分類されます。たとえば、黄色のオウムは「鳥80％、猫10％」、白鳥は「鳥60％、魚30％」となります。しかし、これに前もって頼ることはできません。
あなたの答えをありがとう。それは私に何を期待するかの感覚を与えました。私はすぐにこれを試していきますので、結果がどのようになっているかを見てみましょう。 – nafizh