我有一个多标签图像处理任务。在我的应用程序中，有多个自动运行的“手指”。我计划使用摄像头系统，以便检测关闭（水平），打开（垂直）和“处于中间”状态。一次安装可以有20到150个手指。手指彼此独立操作，因此多个手指可以同时移动。我打算使用CNN进行分类。
我目前已经在测试系统，当时只有一个手指张开，每个手指只有两个状态（闭合= 0，未闭合= 1）。为此，我得到了很好的结果。我希望引入第三种状态-“介于两者之间”，并同时检测多个张开的手指。
由于手指太多，最好不必记录和标记每个手指的所有“中间”状态。因此，理想情况下，网络将学习所有手指的闭合，介于中间和打开状态，因此每个手指唯一需要了解的就是它在图像中的位置。任何特定的CNN架构都支持吗？
我正在使用Keras，而且我了解CNN的方式可以通过向每个手指分配一个热编码并在输出层中使用S型信号代替softmax来完成多个分类任务。有实施技巧吗？
谁能给小费最好的标签方案？我在图中指出了三种可能性。
标签A：每个手指一个输出，0 =闭合，1 = 2 =打开之间。
标签B：浮点数，指示开度。我不需要此信息，这三个类就足够了。这也将使标签更加复杂。但这对培训网络有帮助吗？我可以在Feed FWD网络中看到这一点，但这对CNN有帮助吗？
标签C：一种热编码的类，因此输出类的数量是手指数的三倍。对我来说，这似乎是个坏主意，因为CNN需要学习三遍手指的位置。同样，手指此时只能具有一种状态。还是出于我看不见的原因这是一个好主意？
任何提示将不胜感激。
