深度学习-对给定图像是否异常/新颖/异常进行分类？

Question

我仅从实验中获得“正”类图像数据，任务是使用深度学习网络对其进行训练。与上述类别略有不同的内容应归类为异常/异常值吗？ [从同一个实验中获得负面的班级数据是一项艰巨的任务]

P.S：这两类数据之间不会有巨大差异。而任务是使用深度学习，而不必从图像中定义或给出任何功能。另外，只有少量数量的图像（大约300-400张）可用于阳性分类数据。

Positive class Image

A simple guess of what an anomalous image would look like

我相信这完全不是无监督的学习，因为我知道其中一个班级的标签。我尝试使用OneClassSVM进行此操作，但未定义任何功能（只是尝试-对SVM的了解不多）。 另外，尝试使用来自此“ https://github.com/artem-hryb/cnn-anomaly-detection-keras”链接的卷积自动编码器和来自“ https://github.com/otenim/AnomalyDetectionUsingAutoencoder”的深度自动编码器。在训练上述模型的基础上设置一些阈值，然后将其用于预测给定图像是否为异常。这些预测是不正确的。

如果有人能指出我正确的方向，那将有很大帮助。

Answer 1

使用预先训练的CNN（例如在ImageNet上）为图像提取特征向量。然后在该特征表示上训练自动编码器。与直接在像素上训练自动编码器相比，这应该更容易学习更高的级别差异。