说您有成千上万张猫的图像，例如：（https://web.archive.org/web/20150703060412/http://137.189.35.203/WebUI/CatDatabase/catData.html）。 您希望构建一个可以查看图像并说出图像的系统-图像是否是猫的图像。
What are the (if any) techniques to build such a model with a descent accuracy?
PS1：此问题的主要挑战是要看到“什么都不是猫”是一个巨大的宇宙-这个世界上所有不属于猫的图像都符合它的条件。 用二进制分类表述这个问题不是很好，因为几乎不可能收集“不是猫”的“综合”数据集。 （如果这样做，您的模型将与“猫不是什么”的数据集一样好）
PS2：这样的设置称为“一个类别分类”
答案 0 :(得分：0)
我能想到的一种方法是使用One-Class SVM，它实质上是在进行离群值检测。
在实践中，您可以首先应用经过预训练的CNN来提取有意义的图像紧凑表示，然后将这些矢量用作One-Class SVM的输入。一切非猫都将成为异常值！