Я пытаюсь переобучить нейронную сеть, используя трансферное обучение, которое может классифицировать, есть ли у изображения определенный объект, скажем, автомобиль. Мой положительный примерный набор данных довольно мал, всего 2500 изображений.
Он действительно хорошо работает с «обычной» двоичной классификацией (2500 изображений автомобилей / 2500 изображений цветов и нужно различать эти два), но проблема в том, что я не уверен, как его классифицировать для всех типов изображений, или как сделать это 2500 изображений автомобилей / 2500 случайных изображений, и нужно было бы классифицировать, да - изображение это автомобиль или нет - это не автомобиль.
Что бы эти случайные изображения будут? Я пытался просто загрузить партии случайных изображений (леса, люди, еда), но это не удалось, с треском. Он думал, что хот-дог был автомобилем. В основном это привело к очень сильному уклону в сторону положительных примеров. Вот где я заблудился и начал сомневаться, можно ли вообще делать с таким небольшим набором положительных примеров.
Мой вопрос, какие типы негативных изображений я должен искать, чтобы решить такую проблему, как эта. Спасибо!