教師あり学習でトレーニングよりテストの方がラベル数が1つ多い場合

Question

###前提・実現したいこと
画像分類の教師あり学習で下記のようなことがしたいです。
・トレーニングデータはリンゴのみ
・テストデータはリンゴ、ミカンの2種類
これでリンゴとミカンを高精度に判別したいです。

質問１：人工知能で上記のようなことはそもそも可能なのでしょうか？
質問２：不可能と思われる場合、次の方法は可能と考えられるでしょうか？
・トレーニングデータはリンゴの画像と、ゴミ画像（乱数で生成したようなノイズのような画像）
・テストデータはリンゴ、ミカンの2種類

曖昧な質問になっているかもしれませんが、
ご意見いただけますと幸いです。

Answer 1

『リンゴ』と『リンゴじゃないもの』の識別なら充分可能です。
教師有り学習をする以上、ノイズデータが必要となりますが。

積極的に『ミカンである』という判定が必要なら、学習データにはミカンを加えなければなりません。

Comments

[Takamu2445]

ありがとうございます。
ノイズデータというものについて確認させていただきたいのですがNクラス（N=2の場合もあり）
分類として、リンゴをラベル0、ミカンをラベル1、・・・ノイズデータをラベルNとすると
ノイズデータとしては他のどれでもない（この例だとリンゴでもミカンでもない）画像を
入れて学習させるということでしょうか。
またノイズデータはある程度意味のある画像の方がいいのでしょうか。それともテレビの砂嵐
のようなランダムノイズな画像でしょうか。

追加で申し訳ありませんが、教えていただけると助かります。

[LouiS0616]

ノイズデータというより、負例と言った方が良いのかもしれません。
正例に属さない画像を使います。乱数生成したものというわけではありません。
負例はある程度まんべんなく選ぶ必要があります。
例えば、負例に果物の画像が一つもなければ、ともすればリンゴもミカンもオレンジもキウイもレモンも、リンゴに分類されてしまうかもしれません。

[LouiS0616]

二クラス分類で、入力として与えられる画像がリンゴとミカンしかないのなら、負例がなくても上手くいくかと思いますが、そのような状況は稀に思います。