我正在尝试检测异常图像并需要一些指导。
想象一下我在海里有一个相机。摄像机正在 24/7 录制。一次只能在画面中看到一条鱼。
现在想象一下我刚打开相机。起初，图像中没有鱼/物体——只有蓝色的大海。突然，一条小丑鱼出现了。这应该会触发“异常”事件，因为相机从未见过小丑鱼。然后，再看到几条小丑鱼后，它应该明白小丑鱼是‘正常’的了。接下来，一条金枪鱼出现在画面中。同样，由于系统从未见过金枪鱼，它应该将其标记为异常。然后，在多看几次金枪鱼之后，它应该适应并了解金枪鱼不是异常值。显然，我不希望模型“忘记”它“学到”的东西是正常的。
想法是，对于真正罕见的事物，例如潜艇或潜水员，该模型极不可能达到将此类事物视为“正常”的状态。重要提示：潜艇和潜水员只是例子......我不想训练模型来检测我对异常值的定义。
我可以使用什么方法来实现这一目标？ 我可以收集一些标记的训练数据，提取它们的特征，对这些特征进行聚类，然后实时更新聚类吗？
对不起，我是计算机视觉和机器学习的新手，所以非常感谢您的帮助。