我试图提出一种分类的方法,如果给定的图像包含红色汽车。
分类器的可能结果应为:
- 图像包含汽车,它是红色的。(所需情况)
- 所有其他图像包含汽车的地方,但不是红色或图像根本不包含任何汽车。
我知道如何实现卷积NN,该卷积是否可以分类是否包含汽车。
但是,我在如何实现分类器只能识别红色汽车而忽略所有其他可能包含汽车或不包含汽车的其他图像的精细粒状图像分类方面遇到困难。
我阅读了以下论文,但是由于我的用例比找到论文中提出的相似性要有限得多。
基于三胞胎的深二进制嵌入网络的快速培训
学习细颗粒的图像相似性和深度排名
感谢您的帮助。
只需将其视为两个类别的分类问题:"红色汽车" - "无红色汽车"。以这种方式标记您的培训数据的每个实例。无需先训练"汽车"分类器。
我知道如何实现卷积NN,该卷积是否可以分类是否包含汽车。
很好。然后应在几秒钟内完成此操作( 标签时间)。
我阅读了以下论文,但是由于我的用例比找到论文中提出的相似性要有限得多。
基于三胞胎的深二进制嵌入网络的快速培训
学习深度排名的细粒图像相似性
是的,只需将其视为上述分类问题即可。如果您需要起动器,请查看TensorFlow CIFAR10教程。