我只有大约1000张车辆图像。我需要训练一个可以识别图像是车辆还是非车辆的模型。我没有非车辆的数据集，因为它可能是车辆以外的任何数据。
我想最好的方法是运用迁移学习。我正在尝试在预训练的VGG19模型上训练数据。但是，我仍然不知道如何仅使用车辆图像而不使用任何非车辆图像来训练模型。我无法对其进行分类。
我是ML总成的新手，任何基于实际实现的解决方案都将受到高度赞赏。
答案 0 :(得分：1)
您对转移学习方法是正确的。看看这篇文章，它是关于从带有转移学习的多类分类到二进制分类-https://medium.com/@mandygu/seefood-creating-a-binary-classifier-using-transfer-learning-da751db7cf9c
答案 1 :(得分：0)
这是一个二进制分类问题：输入是否为车辆。
如果您是ML的新手，我建议您在跳转到卷积神经网络（CNN）之前，应先实现基本的二进制分类器，例如Logistic回归，支持向量机。 我为使用不同算法的二进制分类问题实现提供了一些链接。我希望这会有所帮助。
逻辑回归：https://github.com/JB1984/Logistic-Regression-Cat-Classifier
SVM：https://github.com/Witsung/SVM-Fruit-Image-Classifier
CNN：https://github.com/A-Jatin/CNN-implementation-for-binary-image-classification
答案 2 :(得分：0)
您可以尝试使用预训练的模型并获取输出。您可能需要应用降维功能，例如PCA，以获得更易于管理的尺寸输入。之后，您可以训练新颖性检测模型以识别输出是否与训练集不同。
请参考以下示例：https://github.com/J-Yash/Hotdog-Not-Hotdog
希望这会有所帮助。