Core ML: Создание модели с помощью Create, отлично работает, но как управлять входами, которые не были обучены?

Question

Я создаю модель с помощью Create ML. Я добавляю 1000 изображений 2 объектов. 500 кошек, 500 собак. Модель работает довольно хорошо, но когда у меня есть устройство для создания водопадов, не связанное с собакой / кошкой, оно возвращает 100%, например, собаку. Любая идея, как справиться с этой проблемой?

1) Я прочитал, что некоторые классификаторы изображений позволяют указывать отрицательный класс: то есть изображения, которые не имеют отношения к изображениям, которые я ищу. Есть идеи, как это сделать с помощью Create ML или другого инструмента?

2) Лучше вместо создания моей модели переучивать существующую модель, добавляя мои изображения? Это возможно с Create ML? Из того, что я прочитал, вы не можете. Любые рекомендации?

Поскольку я новичок в Core ML, если у вас есть какие-либо указания, это будет оценено.

Спасибо

Answer 1

Если ваш классификатор обучен только на двух типах изображений, таких как кошки и собаки, то вы должны использовать его только на изображениях кошек и собак. Если вы используете его на любом другом изображении, оно все равно будет предсказывать кошку или собаку.

Если вы хотите сделать классификатор для кошки / собаки / чего-либо еще, то вам нужно добавить третью категорию с изображениями вещей, которые не являются кошками или собаками.

Обычно в этой категории гораздо больше картинок, чем в двух других категориях (поскольку есть много вещей, которые не являются кошками или собаками), что вызывает дисбаланс в классе. Я не уверен, что Create ML может компенсировать этот дисбаланс.