Как уменьшить количество ложных негативов при обнаружении аномалий изображения?
В настоящее время я работаю над проектом по контролю качества, и мне нужно разработать программу, которая может обнаруживать нестандартные детали. Проблема, с которой я столкнулся, заключается в том, что у меня не так много нерегулярных выборок (всего семь из более чем 3000 обычных). Я пробовал с CNN, но из-за несбалансированного количества выборок модель обнаруживает все как обычные, поэтому подход, который я изучаю, заключается в использовании алгоритмов обнаружения аномалий. Я также пытался использовать автоэнкодеры, но поскольку различия между обычным и нерегулярным кодированием минимальны, я не смог получить хороших результатов. До сих пор подход, который дал мне наилучшие результаты, — это использование Local Outlier Factor в сочетании с экстракторами признаков (HOG). Единственная проблема заключается в том, что даже после настройки параметров алгоритма он по-прежнему дает мне ложные срабатывания (нормальные образцы помечаются как нерегулярные), что для данного приложения неприемлемо. Могу ли я что-нибудь добавить к процессу, чтобы исключить ложные срабатывания? o Можете ли вы порекомендовать мне другой подход? Буду очень признателен за любую помощь :)
1 ответ
Используйте функцию фокальной потери, поскольку у вас несбалансированные данные, или вы также можете попробовать метод увеличения данных.