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。任何与上述类别略有不同的内容都应归类为异常/异常值？[从同一实验中获取负类数据是一项相当艰巨的任务]
PS：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提供任何特征。此外，只有有限数量的图像(大约 300-400 张(可用于正类数据。
正面类形象
对异常图像外观的简单猜测
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。我尝试使用OneClassSVM而不定义任何功能(刚刚尝试 - 对SVM了解不多(。 此外，尝试使用来自此"https://github.com/artem-hryb/cnn-anomaly-detection-keras"链接的卷积自动编码器和来自"https://github.com/otenim/AnomalyDetectionUsingAutoencoder"的深度自动编码器。根据对上述模型的训练设置了一些阈值，然后使用它来预测给定的图像是否异常。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。
使用预训练的CNN(例如在ImageNet上(为图像提取特征向量。然后根据该特征表示训练自动编码器。这应该允许学习更高级别的差异，而不是直接在像素上训练自动编码器。