Question

我有一个数据集，其中图片的标签数量为 VARYING 。标签的数量在1到5之间。有100个类。

在谷歌搜索后，似乎带有切片图层的HDF5数据库可以处理多个标签，如下面的URL所示。

唯一的问题是它设定了固定数量的标签。在此之后，我将不得不创建一个1x100矩阵，其中标记类的条目值为1，非标签类的条目值为0，如下面的定义所示：

layers {
  name: "slice0"
  type: SLICE
  bottom: "label"
  top: "label_matrix"
  slice_param {
      slice_dim: 1
      slice_point: 100
  }
}

其中每个图像包含一个看起来像（1,0,0，... 1，... 0，....，0,1）的标签，其中矢量大小为100维。

现在，我很抱歉我的问题变得模糊不清，但这是一个可行的想法吗？即，有没有更好的方法解决这个问题？

Answer 1

我知道你有5种类型的标签，并不总是存在于每个数据点。 5个标签中的1个用于100路分类。到目前为止正确吗？

我建议始终将所有5个标签写入HDF5，并在缺少标签时使用特殊值。然后，您可以使用missing_value选项跳过计算该迭代的该层的损失。使用它需要将loss_param{ ignore_label = Y }添加到网络原型文本定义中的丢失层，其中Y是标量。

反向传播错误只是存在的标签的函数。如果输入X没有标签的有效值，则网络仍将生成该标签的估计值。但它不会受到惩罚。生成的输出对在该迭代中如何更新权重没有任何影响。只有非缺失标签的输出才会导致误差信号和重量梯度。

似乎只有Accuracy和SoftmaxWithLossLayer层支持missing_values。

每个标签都是1x5矩阵。第一个条目可以用于100向分类（例如[0-99]），条目2：5具有反映其他标签可以采用的值的标量。对于数据集中的所有条目，列的顺序都相同。缺少的标签由您选择的特殊值标记。此特殊值必须位于有效标签值集之外。这取决于这些标签代表什么。如果标签值-1永远不会发生，您可以使用它来标记缺少的标签。

Caffe：具有不同标签数量的多标签图像

1 个答案: