核心ML：使用Create创建模型可以很好地工作，但是如何控制未经训练的输入呢？

Question

我正在使用创建ML创建模型。 我添加了2个对象的1000张图片。 500只猫500只狗 该模型运行良好，但是当我有瀑布成像仪时，例如与Dog / cat不相关的东西会返回100％Dog。 任何想法如何处理这个问题？

1）我读到一些图像分类器可让您提供否定类：含义与您要查找的图像无关的图像。 知道如何使用Create ML或其他工具执行此操作吗？

2）通过添加图像来重新训练现有模型，是否比建立我的模型更好？ 创建ML可以做到吗？ 从我读到的你看不懂。 有什么建议吗？

由于我是Core ML的新手，如果您有任何指示要指出，将不胜感激。

谢谢

Answer 1

如果您的分类器仅受过两种类型的图像（如猫和狗）的训练，则应仅将其用于猫和狗的图片。 如果在其他图片上使用它，它仍然可以预测猫还是狗。

如果要为猫/狗/其他事物分类，则需要添加带有非猫或狗事物图片的第三类。

通常，此类别比其他两个类别具有更多的图片（因为有很多东西不是猫或狗），从而导致班级不平衡。 我不确定Create ML是否可以弥补这种不平衡。