对给定图像是否异常/新颖/异常值进行分类

Question

我只有来自实验的“正”类图像数据，任务是使用深度学习网络来训练它们。任何与上述类别略有不同的情况都应该被归类为异常/异常值吗？ [从同一个实验中获取负类数据是一项相当困难的任务]

P.S：两类数据之间不会有太大差异。任务是使用深度学习，而无需定义或给出图像的任何特征。此外，仅提供有限数量的正类数据图像（大约 300-400 张）。

正类图片

对异常图像的简单猜测

我相信这完全不是一种无监督学习，因为我知道其中一个类的标签。我尝试使用 OneClassSVM 来实现此目的，但没有定义任何功能（只是尝试过 - 对 SVM 的了解不多）。 另外，尝试使用“https://github.com/artem-hryb/cnn-anomaly-detection-keras”链接中的卷积自动编码器和“https://github.com/otenim/AnomalyDetectionUsingAutoencoder”中的深度自动编码器”。基于训练上述模型设置一些阈值，然后用于预测给定图像是否异常。预测不正确。

如果有人能指出我正确的方向，那将会有很大的帮助。

Answer 1

使用预训练的 CNN（例如 ImageNet）来提取图像的特征向量。然后在该特征表示上训练自动编码器。与直接在像素上训练自动编码器相比，这应该可以更轻松地学习更高级别的差异。