machine-learning - 可以使用经过普遍训练的深度学习分类器在子类中进行分类吗？

Question

假设，训练一个深度学习分类器来区分汽车、轮船、卡车、鸟类、马和狗的图像。但所有鸟类的训练数据都是黄色的鸟。

经过训练的分类器可以用于仅检测鸟类图像数据集中的黄色鸟类吗？图像数据只是这里的一个例子。数据也可以是其他东西，例如 DNA 序列。如果问题无意义或太基础，请耐心等待。

Answer 1

在您提到的示例中，您不是在学习分类器来区分汽车、轮船、卡车、鸟类、马和狗，而是在您提到的五种事物和黄色鸟类之间进行学习。这意味着，当从鸟类单位得出分数时 - 假设您的模型表现良好并且数据集足够大 - 那么您可能会假设它将能够区分不同的物体和黄色鸟类 -当这些不同的物体是其他鸟类时也是如此。当然，它有很小的可能性会学会仅使用形状来区分鸟类和不同的物体，但在我看来，它太小了，无法考虑在内。当然 - 您可以通过简单地生成适当的测试数据集来检查这一点。

一般来说 - 这取决于许多因素。其中之一是网络的架构和设计。由于彩色图像性质的卷积，区分黄色鸟类和不同颜色的鸟类应该很容易。在不同的情况下 - 它可能不那么明显。另一件事是，从概念上讲，这些类之间的区别有多大。如果例如例如 - 这个另一个类可以用与学习的概念相同的概念构建 - 你可能会遇到问题 - 因为网络可能只是将它们学习为黄鸟的指标。

所以最好的办法是设计合适的测试数据集并在不同类别的分数之间进行比较。如果您证明此分数表现良好 - 那么您就完成了。如果没有 - 您需要重新训练您的网络。