说，我想训练CNN来检测图像是否是汽车。
选择＆＃34; Not-Car＆＃34;有哪些最佳做法或方法？数据集？
因为这个数据集可能是无限的（基本上任何不是汽车的东西） - 是否有关于数据集需要多大的指南？它们是否应包含与汽车非常相似但不是（飞机，船等）的物体？
答案 0 :(得分：9)
与所有受监督的机器学习一样，训练集应该反映模型将要使用的实际分布。神经网络基本上是函数逼近器。你的实际目标是近似真实世界的分布，但在实践中，它只能从中获取样本，而这个样本是神经网络将看到的唯一的东西。对于训练流形之外的任何输入方式，输出只是一个猜测（参见this discussion on AI.SE）。
因此，在选择否定数据集时，您应回答的第一个问题是：此模型的可能用例是什么？例如，如果您正在为智能手机构建应用，然后负面样本应该包括街景，建筑物和商店的图片，人物，室内环境等。智能手机相机的图像不太可能是野生动物或抽象绘画，即它是你真实的不可思议的输入分布。
包括看起来像正面的图像（卡车，飞机，船等）是一个好主意，因为低转换层特征（边缘，角落）将非常相似，并且神经网络学到了很重要重要的高级功能正确。
一般来说，我会使用5-10倍以上的正面负片。 CIFAR-10是一个很好的起点：在50000个训练图像中，5000个是汽车，5000个是飞机等。实际上，构建10级分类器并不是一个坏主意。在这种情况下，您将通过阈值确定推断类是汽车来将此CNN转换为二进制分类器。 CNN不确定的任何事情都将被解释为不是汽车。
答案 1 :(得分：2)
我认为应根据模型的工作情况选择负样本。如果您的模型在街道上作为汽车探测器工作，那么合理的负面样本应该是街道背景，树木，行人和其他街道上的车辆。所以我认为没有普遍的负面样本选择规则，只取决于你的需要。