使用单标签训练数据的多级多标签分类

时间:2017-09-26 05:04:37

标签: neural-network conv-neural-network training-data multilabel-classification one-hot-encoding

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?

1 个答案:

答案 0 :(得分:0)

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。