画像分類の仕方について

ディープラーニングを用いた画像分類のやり方について勉強中です。

赤ペン・青ペン・黒ペンを学習した分類モデルを作成し使用する際、事前に学習していないそれ以外のもの（例えば緑ペン）

を読み込ませた場合はじいてくれるようなモデルを作りたいです。

どのようなモデル作りが考えらますか？

まず初めに異常検知のモデルを作り、赤ペン・青ペン・黒ペン以外をはじく処理をしたのち、

赤ペン・青ペン・黒ペンに分類してくれるモデルを作る流れになるのでしょうか。

参考ページなどもありましたらよろしくお願いいたします。

[Kenta]

もし、異常検知モデルをつくりたいのであれば、以下が参考になると思います。まずはone class svmを試されたらどうでしょうか。

https://jp.mathworks.com/help/stats/classificationsvm.html

[misato abe]

返信ありがとうございます。

送って頂いたページを勉強して、モデル作りをしていこうと思います。

Answer 1

[Kenta]

コメントのほう、返信ありがとうございます。

おっしゃるように、異常検知でやりたいならone class svmが、はじめにするならやりやすいと思います。

https://jp.mathworks.com/help/stats/classificationsvm.html

参考ページとしては、以下がわかりやすいと思います。

https://jp.mathworks.com/matlabcentral/fileexchange/64068

画像でone class svmだと何かしらの特徴に変換する必要があるので、上ではその例としてalexnetによる特徴抽出をしています。ただ、現在のバージョンではより多くのpre-trained networkが用意されているので、例えばresnet18とかが、出力される次元数も比較的低く、今回の課題にはよいかもしれません。

「どのようなモデル作りが考えらますか？」とありますが、他にもやり方はあると思います。下のＵＲＬにも同様のやり取りがあるので、そちらを見ていただくほうがわかりやすいと思います。one class svmよりも、例えばＣＮＮでothersクラスをあえて、ありそうな例外画像で定義する方が、少なくとも手持ちのデータ内ではよい性能が出る気もします。またよろしければ結果のほう教えてほしいです。よろしくお願いいたします。

https://www.researchgate.net/post/How_to_determine_unknown_class_using_neural_network