可以使用经过普遍训练的深度学习分类器在子类中进行分类吗?

Posted

技术标签:

【中文标题】可以使用经过普遍训练的深度学习分类器在子类中进行分类吗?【英文标题】:Can a generally trained deep learning classifier be used to classify within subclasses? 【发布时间】:2017-01-10 04:26:46 【问题描述】:

假设,一个深度学习分类器被训练来区分汽车、轮船、卡车、鸟、马和狗的图像。但是这些鸟的所有训练数据都是黄色的鸟。

然后可以使用经过训练的分类器仅检测鸟类图像数据集中的黄色鸟类吗?图像数据在这里只是一个例子。数据也可以是其他东西,例如 DNA 序列。如果问题没有意义或太基本,请多多包涵。

【问题讨论】:

【参考方案1】:

在你提到的例子中,你不是在学习你的分类器来区分汽车、轮船、卡车、鸟、马和狗,而是在你提到的五个第一件事和黄色鸟之间。这意味着当 birds unit 得分时——假设你的模型表现良好并且你的数据集足够大——那么你可能会假设它能够区分不同的物体和黄色的鸟——当这些不同的物体是其他鸟类时也是如此。当然 - 它有一些小概率会学会仅使用形状来区分鸟类和不同的物体 - 但在我看来它太小而无法考虑。当然 - 您可以通过简单地生成适当的测试数据集来检查。

一般来说 - 这取决于许多因素。其中之一是您的网络的架构和设计。由于彩色图像性质的卷积,区分黄色鸟类和不同颜色的鸟类应该很容易。在不同的情况下 - 它可能不是那么明显。另一件事是在概念上你想要区分这些类有多远。如果例如示例 - 这个其他类可以建立在与学习过的相同概念的基础上 - 你可能有问题 - 因为网络可能只是将它们作为 黄鸟 的指标来学习。

所以最好的办法是设计合适的测试数据集,并在不同类别的分数之间进行比较。如果你证明这个分数表现良好 - 那么你就完成了。如果没有 - 您需要重新训练您的网络。

【讨论】:

感谢您的回答。它让我对会发生什么有了一些了解。我很快就会尝试这个,让我们看看结果如何。【参考方案2】:

这主要取决于分类器捕获了哪些特征来检测鸟类。例如,如果主要标准是类似翅膀的形状和喙,那么黄色鸟类几乎与其他鸟类没有区别。

另一方面,如果黄色确实对分类很重要,那么黄色鸟类将被标记为比任何其他颜色的鸟类具有更高置信度的鸟类。例如,一只黄色的鹦鹉将是“80% 的鸟,10% 的猫”,而一只白天鹅将是“60% 的鸟,30% 的鱼”。但是,您不能提前依赖它。

【讨论】:

以上是关于可以使用经过普遍训练的深度学习分类器在子类中进行分类吗?的主要内容,如果未能解决你的问题,请参考以下文章

深度学习RNNLSTMGRU 网络使用教程

深度学习RNNLSTMGRU 网络使用教程

深度学习matlab图像分类,手把手教程系列

如何使用 SHAP 解释多类深度学习分类器?

深度学习原理与框架-神经网络-cifar10分类(代码)

Python scikit-learn:导出经过训练的分类器