問題タブ [novelty-detection]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - 機械学習 - 1 つのクラス分類/ノベルティ検出/異常評価?
次の要件を満たす機械学習アルゴリズムが必要です。
- トレーニング データは一連の特徴ベクトルであり、すべてが同じ「正」のクラスに属しています (負のデータ サンプルを生成できないため)。
- テスト データは、陽性クラスに属する場合と属さない場合があるいくつかの特徴ベクトルです。
- 予測は、陽性サンプルからの「距離」を示す連続値である必要があります (つまり、0 はテスト サンプルが明らかに陽性クラスに属することを意味し、1 は明らかに陰性であることを意味しますが、0.3 はやや陽性であることを意味します)。
例: 特徴ベクトルが 2D 特徴ベクトルであるとしましょう。
正のトレーニング データ:
- (0, 1), (0, 2), (0, 3)
テストデータ：
- (0, 10) は異常であるべきですが、明確なものではありません
- (1, 0) は異常であるはずですが、(0, 10) よりも「ランク」が高くなります
- (1, 10) は異常である必要があり、異常の「ランク」はさらに高くなります
python - 画像が畳み込みニューラル ネットワークのトレーニングに使用されたデータセットに関連しているかどうかを知る効率的な方法
現在、私はVGG16 + Keras + Theanoを使用して、転移学習の方法論を植物のクラスを認識すると考えました。それはうまく機能し、良い精度が得られます。しかし、私が解決しようとしている次の問題は、入力画像に植物が含まれているかどうかを識別する方法を見つけることです。それは本当に効率的ではないので、それを行う別の分類子を持ちたくありません。
そのため、いくつかの検索を行ったところ、最新のモデル レイヤー (アクティベーション レイヤーの前) からアクティベーションを取得して分析できることがわかりました。
上記のコードから、非常に無関係な画像がある場合、活性化されたニューロンの数が植物を含む画像よりも多いことに気付きました。
- モデルのトレーニングに使用していた画像の場合、活性化されたニューロンの数は 19% ～ 23%
- 未知の植物種を含む画像の場合 20%-26%
- 無関係な画像の場合 24%-28%
パーセンテージ値として関連する画像が交差しているかどうかを理解するのは、あまり良い機能ではありません。
では、この問題を解決する良い方法はありますか?
machine-learning - 画像の異常検出で偽陰性を減らす方法は?
私は現在、品質検査プロジェクトに取り組んでおり、不規則な部品を検出できるプログラムを開発する必要があります。私が直面している問題は、不規則なサンプルがあまりないことです (通常のサンプルが 3,000 以上あるのに 7 つしかありません)。私は CNN で試しましたが、サンプル数が不均衡であるため、モデルはすべて通常どおりに検出するため、私が調査しているアプローチは、異常検出アルゴリズムを使用することです。オートエンコーダーも試しましたが、通常と不規則の違いが最小限であるため、良い結果が得られませんでした。これまでのところ、最良の結果をもたらしたアプローチは、Local Outlier Factor と特徴抽出器 (HOG) を組み合わせたものです。これに関する唯一の問題は、アルゴリズムのパラメーターを調整した後でも、まだ誤検知が発生することです (通常のサンプルは不規則としてラベル付けされます)。これは、このアプリケーションでは受け入れられません。誤検知を排除するためにプロセスに追加できるものはありますか? o 他のアプローチを勧めてもらえますか? 私は本当に助けていただければ幸いです:)