Question

我目前正在研究一个模型，在该模型中我必须预测一些材料，例如梯子，螺母，螺栓，鼠标，瓶子等。我为此编写了一种算法，该算法到目前为止还可以正常工作，我在本地计算机上可用，并且我有足够的培训数据来进行培训和测试。截至目前，我总共可以预测26种图像类别，所有图像类别都是材料类型。

现在，这很好，但是我想要一种情况，如果图像不属于上述图像类，我希望它返回类似的内容，它会指定这不是素材而是另一张图片共。

为此，我正在考虑使用一组不同的图像（例如Imagenet）对模型进行双重训练，其中仅通过查看任何非实质性图像，它就会返回类似“这不是实质性的图像”的信息。 / p>

因此，基本上，同一模型将在两个不同的数据集上训练，一个数据集是我的材料数据集，另一个是除材料以外的任何东西，例如Imagenet中的图像。

我的问题是我该如何处理？还是我什至需要这样做？否则，我只写一个简单的if-else，然后将任何未被识别为实质的内容放入非物质类型？

Answer 1

您可以合并两个数据集并将不属于所述26个类的数据集标记为特殊的第27类。每当您的模型预测出该类时，您就知道它不属于数据集。例如：

import {Subscription} from 'rxjs/Subscription';

private onDataChanged: Subscription;

ngOnInit() {
    this.onUsersListChanged = 
       this.sharedService.onUsersListChanged.subscribe(data => {
         cosnole.log(data) // access to shared data :)
    })
}

public ngOnInit() {
    // Do not forget to unsubscribe the subscription
    this.onDataChanged.unsubscribe();
}

然后，您可以使用带有标签2的其他数据集的图像，并像往常一样在训练周期中进行训练。确保平衡数据集，因为按比例没有太多特殊的非本数据集标签，因此您的模型不会过度拟合，只是预测一切都不来自原始数据集。

如何同时训练两个不同数据集的单个模型？

1 个答案: