我会使用一种新奇检测方法：使用 SVM（一类）在现有正样本周围找到一个超平面。或者，您可以使用 GMM 来拟合多个超椭圆体以包含正样本。然后给定一个测试图像，对于支持向量机的情况，您检查它是否属于超平面。对于 GMM，您检查它是否包含在超椭圆体中。它们都被证明在实践中运行良好。

如果您的训练集中还有一些未标记的数据，我当然会采用迁移学习的变体。也许您可以根据已经学习的样本自动标记未标记的数据。

我通常在这些正标签上进行训练，并找到接受它为正的最小阈值，然后将每个小于该阈值的样本视为负。

仅当您的数据足够大时，此方法才有效。