Уотсон визуальное распознавание переподготовки

Question

Я работаю над приложением TJBot для визуального распознавания.

У меня есть некоторые конкретные вопросы о переподготовке.

Мой случай похож на это:

У меня естьмодель обучена для кошек, собак и отрицательной категории (не кошек или собак).

Визуальный распознаватель иногда получает неправильный ответ.

Я бы хотел, чтобы «автоматически» переобучилсямодель, программно использующая API всякий раз, когда он получает неправильный ответ.

Например, после неправильного определения собаки, когда она была на самом деле кошкой, я хотел бы повернуться и вызвать api для переквалификации визуального распознавания и указать: эта картина - кошка.Это изображение не собаки.

Вопросы: 1) Существует ли API для «частичной переподготовки» с использованием только одного изображения?Я не хочу загружать сотни фотографий снова, чтобы полностью переучить модель, если мне не нужно.

2) В этом случае я хотел бы сказать, что это положительный примеркошка и негативный пример собаки.Насколько я понимаю, нет никакого способа указать «отрицательный пример собаки».Я могу только сказать «отрицательный пример кошки и собаки».Есть ли способ указать «отрицательный пример только одного из обученных классов?»

3) Если нет API, могу ли я выполнить # 1 или # 2, используя веб-сайт «studio»?Как?

Спасибо, Энди Цитрон (IBM в отставке)

Answer 1

Спасибо за ваш вопрос.

1. Да, вы можете отправить одно изображение в качестве данных для переподготовки классификатора. Однако 1 изображение вряд ли сильно повлияет на ваш классификатор. Мы предлагаем отправлять не менее 10 новых изображений в каждом запросе на переподготовку.

2. При отправке в качестве «негативного примера» изображение не должно быть ни кошкой, ни собакой. Классы в классификаторе должны быть взаимоисключающими. Фотография кота и собаки вместе не работает для тренировки системы, которая пытается определить разницу между этими двумя типами. Для классификатора типы ответов, которые он может дать, определяются классами, или, если в качестве отрицательных примеров используется «ничего из вышеперечисленного». Таким образом, в вашем примере каждое изображение в мире классифицируется этой моделью как кошка, собака или ни одно из них.

3. API документирован здесь: https://www.ibm.com/watson/developercloud/visual-recognition/api/v3/curl.html?curl#update-classifier