computer-vision - 图像的一类分类

Question

假设您有成千上万张猫的图像，如下所示：（https://web.archive.org/web/20150703060412/http://137.189.35.203/WebUI/CatDatabase/catData.html）。您希望构建一个可以查看图像并说出图像的系统 - 图像是否是猫的图像。

 What are the (if any) techniques to build such a model with a descent accuracy?

PS1：这个问题的关键挑战是看到“不是猫的东西”是一个巨大的宇宙——这个世界上每一个不是猫的图像都符合它的资格。将此问题表述为二进制分类并不好，因为几乎不可能收集“什么不是猫”的“综合”数据集。（如果你这样做，你的模型将和你的“什么不是猫”的数据集一样好）

PS2：这样的设置叫做“一类分类”

Answer 1

我能想到的一种方法是使用一类 SVM，它本质上是进行异常值检测。
在实践中，您可以首先应用预训练的 CNN 来提取图像的有意义的紧凑表示，然后将这些向量用作 One-Class SVM 的输入。所有非猫的东西都将是异常值！