使用单标签训练数据的多级多标签分类

Question

我正在尝试使用卷积神经网络进行多类多标签图像分类。

对于培训过程，我打算使用单热标签来准备我的标签。例如，总共有8个类，样本图像可以分类为类2,4和6.因此标签看起来像

[0 1 0 1 0 1 0 0]

然而，目前捎带的模型I的输入管道不接受具有多个标签的训练数据。我的同事没有修改模型的输入管道，而是提出了替代复制培训数据的方法。使用前面的示例，不是将一个训练数据与3个标签一起提供，而是将三个带有一个标签的重复训练数据代替。这三个标签看起来像

[0 1 0 0 0 0 0 0]

[0 0 0 1 0 0 0 0]

[0 0 0 0 0 1 0 0]

如果有足够的训练数据，模型是否能够学会更加重视单热阵列上的真值（1）而不是假值（零）？模型能够输出正确的多标签数据吗？

Answer 1

您可以使用多项逻辑回归或sigmoid交叉熵损失来训练网络，而不是通常的softmax，而无需复制数据和更长时间的训练。 Here是一个很好的多标签图像分类教程。