Уотсон визуальное распознавание переподготовки

Question

Я работаю над приложением TJBot для визуального распознавания.

У меня есть некоторые конкретные вопросы о переподготовке.

Мой случай похож на это:

У меня есть модель, подготовленная для кошек, собак и отрицательной категории (не кошек или собак).

Визуальный распознаватель иногда получает неправильный ответ.

То, что я хотел бы сделать, это "автоматически" переобучить модель, программно используя API всякий раз, когда она получает неправильный ответ.

Например, после неправильного определения собаки, когда она была на самом деле кошкой, я хотел бы повернуться и вызвать api для переобучения визуального распознавания и указать: эта картина - кошка. Эта картина не собака.

Вопросы: 1) Существует ли API для "частичной переподготовки" с использованием только одного изображения? Я не хочу загружать сотни фотографий снова, чтобы полностью переучить модель, если мне не нужно.

2) В данном случае я хотел бы сказать, что это положительный пример кошки и отрицательный пример собаки. Насколько я понимаю, нет никакого способа указать "отрицательный пример собаки". Я могу только сказать "отрицательный пример кошки и собаки". Есть ли способ указать "негативный пример" только одного из обученных классов?

3) Если нет API, могу ли я выполнить #1 или #2, используя веб-сайт "studio"? Как?

Спасибо, Энди Цитрон (IBM в отставке)

Answer 1

Спасибо за ваш вопрос.

1. Да, вы можете отправить одно изображение в качестве данных для переподготовки классификатора. Тем не менее, 1 изображение вряд ли сильно повлияет на ваш классификатор. Мы предлагаем отправлять не менее 10 новых изображений в каждом запросе на переподготовку.

2. Если изображение отправлено как "absolute_example", изображение не должно быть ни кошкой, ни собакой. Классы в классификаторе должны быть взаимоисключающими. Фотография кота и собаки вместе не помогает обучить систему, которая пытается различить эти два типа. Для классификатора типы ответов, которые он может дать, определяются классами, или, если в качестве отрицательных примеров используется "ничего из вышеперечисленного". Таким образом, в вашем примере, каждое изображение в мире классифицируется этой моделью как кошка, собака или ни то, ни другое.

3. API документирован здесь: https://www.ibm.com/watson/developercloud/visual-recognition/api/v3/curl.html?curl.