为什么负面图像用于训练？

Question

在训练分类器时,为什么我们使用负片或背景图像？它们如何用于训练对象分类器？任何人都可以解释使用MATLAB等编程语言完成培训的一般程序吗？

Answer 1

首先,我怀疑你会得到任何答案how to train a classifier in matlab.这是一个非常模糊的问题.很大程度上取决于您的数据和目标,基本上有数十到数百种算法可用于执行分类,并非如此简单.

对于主要问题,为什么给分类器提供负样本.它再次取决于您使用的分类器,但简而言之,有两种分类模型(还有更多,但总结一下):生成模型和判别模型.

生成模型旨在对目标类的统计(外观或任何其他类型的特征)进行建模(例如,您正在尝试对汽车进行建模).然后,生成模型将学习一种方式(仅从正例的训练数据)来识别汽车.这是一个随机样本,它将告诉您汽车模型创建该样本的可能性.作为一个愚蠢的例子,对模型进行成像是单变量高斯,然后模型将告诉您从您学习的高斯分布中采样数据样本(点)的可能性.

生成模型是有用的,当你没有负面训练数据,或者你的数据可以通过建模简单分布..但是模型只是学习如何做一个汽车的样子,不学习如何做一个汽车没有像.

另一方面,判别模型学习更复杂(通常是健壮的)规则来区分目标类.拥有一组目标物体(例如汽车和背景,或汽车,自行车,房屋和天空),而不是学习汽车的样子,该算法试图了解汽车与背景的不同之处.

如果你的所有记忆只包含100张汽车照片,然后你会得到一辆摩托车的照片,你很难说摩托车不是汽车(你之前从未见过),两张照片都有背景和轮子.但是,如果您获得50张汽车图像,以及另外50张随机街道图片(包括自行车),您可以学习更强大的关系以尝试在未来识别汽车.