小编Dre*_*day的帖子

介绍和问题：

我正在尝试制作一个一类分类卷积神经网络。一类是指我有一个图像数据集，其中包含大约 200 张 Nicolas Cage 的图像。通过一类分类，我的意思是查看图像并预测 1 如果此图像中包含 Nicolas Cage 并预测 0 Nicolas Cage 不包含在图像中。

我绝对是一个机器学习/深度学习初学者，所以我希望有更多知识和经验的人可以帮助指导我朝着正确的方向前进。这是我现在的问题和问题。我的网络表现非常糟糕。我试过用 Nicolas Cage 的图像进行一些预测，每次都预测为 0。

• 我应该收集更多数据以使其工作吗？我正在使用包含 207 个图像的小数据集执行数据增强。我希望数据增强能帮助网络泛化，但我认为我错了
• 我应该尝试调整 epoch 的数量、每 epoch 的步数、val 步数还是我用于梯度下降的优化算法？我正在使用 Adam，但我想也许我应该尝试使用不同学习率的随机梯度下降？
• 我应该添加更多卷积层还是密集层来帮助我的网络更好地泛化和学习？
• 我是否应该停止尝试进行一类分类并进行正常的二元分类，因为使用具有一类分类的神经网络不太可行？我在这里看到了这篇文章，用 keras 进行了一类分类，似乎 OP 最终使用了隔离森林。所以我想我可以尝试使用一些卷积层并输入隔离森林或 SVM？我找不到很多关于人们使用具有一类图像分类的隔离森林的信息或教程。

数据集：

这是我使用名为 google-images-download 的包收集的数据集外观的屏幕截图。它包含大约 200 张尼古拉斯凯奇的图像。我做了两次搜索以下载 500 张图片。手动清理图像后，我只剩下 200 张 Nic Cage 质量的图片。 数据集

进口及型号：

from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
from keras.layers import …