【发布时间】：2019-08-30 08:35:32
【问题描述】：
我只有来自实验的“正”类图像数据，任务是使用深度学习网络训练它们。与上述类别稍有不同的任何事物都应归类为异常/异常值？ [从同一个实验中提取负类数据是一项相当艰巨的任务]
P.S : 这两类数据之间不会有太大的区别。任务是使用深度学习，而无需从图像中定义或给出任何特征。此外，只有有限数量的图像（大约 300-400 张）可用于正类数据。
A simple guess of what an anomalous image would look like
我相信这完全不是无监督学习，因为我知道其中一个类的标签。我尝试为此使用 OneClassSVM 而不定义任何功能（刚刚尝试过 - 关于 SVM 的知识不多）。 此外，尝试使用此“https://github.com/artem-hryb/cnn-anomaly-detection-keras”链接中的卷积自动编码器和“https://github.com/otenim/AnomalyDetectionUsingAutoencoder”中的深度自动编码器。基于对上述模型的训练设置了一些阈值，然后用于预测给定图像是否为异常。预测不正确。
如果有人能指出我正确的方向，那将有很大帮助。
【问题讨论】：
-
既然你知道你是“正常”数据，只需将所有其他数据编码为“异常”，然后你就可以运行 2 类卷积神经网络
-
嗨。如果我理解正确，我需要“其他”类数据将它们编码为异常，对吧！？如果我只有“一类”数据，我不知道该怎么做。你能详细说明一下吗。 （对不起，如果这听起来很傻）
-
据我了解，您有两种图像。 “正常”图像，您知道在您的数据集中什么是正常图像，并且所有“正常”图像都属于同一类。 “异常”图像，它们可以属于不同的类别，您不知道它们的标签。
-
由于您的目标是知道图像属于“正常”还是“异常”，您可以对所有不同于正常类别的图像进行编码分配标签“异常”。我不太清楚你的问题（在主帖中）所以我可能错了
-
糟糕，很抱歉造成误会。我绝对只有一类数据！我根本没有任何“负面”类数据可以训练。上面我放的“负面”图片只是对它可能是什么样子的猜测。
标签： keras deep-learning conv-neural-network autoencoder anomaly-detection