Является ли VGG16 (обученный первоначально по 2 предметам с использованием трансферного обучения) лучшей моделью для этого типа задач?В настоящее время он классифицирует невидимые объекты как один из двух классов.
Во-первых, причина, по которой он классифицирует невидимые объекты как один из двух классов, заключается просто в том, чтовы позволяете ему классифицировать только два класса, так что даже если вы покажете ему неизвестный объект, он должен поместить его в один из классов и опубликовать лучший прогноз, что вам нужно сделать, это обучить егона 3 отличительных класса {object1, object2, unknownObject}, так что вы можете правильно предсказать неизвестные объекты, теперь это может быть немного проблематично и потребует переобучения модели, другое, что вы могли бы сделать, - это установить порог,в основном, когда вы даете ему невидимый объект, он может дать уверенность в предсказании следующим образом {75%, 25%} или, возможно, {51%, 49%}, вам следует установить здесь порог, если ваша модель не превышает 90-95%.уверен в предсказании, вы принимаете его за неизвестный объект, теперь я никоим образом не говорю, что это должно быть вашимпороговое значение, ваш порог может быть или .9 / .95, как упомянуто выше, или даже может быть 0,75, что является гиперпараметром, и вы должны использовать способы для определения этого порога
Как вы будете реализовывать это решение в облаке (AWS, Azure и т. Д.)
У вас уже есть флеш-сервер, просторазверните флеш-сервер на компьютере AWS и сделайте его напрямую доступным через статический публичный внешний IP-адрес, поэтому вы можете отправить / получить запрос на этот конкретный IP-адрес и запустить вашу модель с любого интерфейса