我正在尝试检测图像是否包含人类。我将为此使用 CNN。我打算制作一个如下所示的数据集。
Train
human (contains 2000 or more human image)
other object (contains 2000 or more non human image)
Test
human (contains 500)
other object (contains 500 )
我打算使用 keras，我将从目录中训练数据。
有没有其他方法？因为我在收集人类和非人类物体图像时遇到了麻烦。
我在皮肤病分类方面也有类似的问题。您也可以在此处查看问题及其答案。收集人类图片的数据集可能很容易，但非人类的数据集几乎是不可能的（非人类对象是一组巨大的对象）
解决方案：
我们可以使用连体卷积神经网络。我写了一篇关于它的博客。见这里。它们执行一次性学习，并且在我们拥有较小的数据集时是最好的。
标准 CNN 尝试对图片是否属于任何一个类进行分类 -> (HUMAN, NON_HUMAN )。Siamese CNN 输出的是相似度得分而不是类别概率。标准 CNN 学习分类，另一方面，Siamese CNN 学习区分图像。
它是如何工作的？（在您的任务范围内）
假设我有一个输入图像。这是我们对 Siamese CNN 的输入。我还有两个图像，比如和。图像属于 1 类（人类），而属于 2 类（非人类）。Siamese CNN 将 2 张图像作为输入并输出它们的相似程度。
因此，该图像属于 CLASS 2。您可以在博客上找到它的其他优点。希望这可以帮助。