Question

此刻，我正在使用Keras，sci-kit学习等进行图像分类。

我将尝试解释所有问题。就像我之前说的，这是带有多标签的图像分类。我的数据框包含4000个微观油样，标签表示当前样品中的一些颗粒。我将在下面举一个例子。

好吧，数据帧中的所有图像都被标记了。想象一下，每个图像包含一个具有13个值的数组，这些值已经是二进制的，当然，正数为1，负数为0。

例如

@"VEN.*(?=\\)"

这意味着对于每个图像，可能会有多个输出，在这种情况下，目标是将一个油样提供给CNN，并且可以返回图像中存在的颗粒。

我不知道是否足够清楚，对不起，现在我将解释我的真正问题。

在我的CNN中，我已经将输出层设置为13（紧随每个图像中的标签数量之后）。我不知道为什么，但是当我训练模型时，预测的Y仅返回一个值，例如：

[0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0]

我需要获得具有多个输出的谓词，例如：

Y predicted (sample 14): 3
Y predicted (sample 65): 11

我需要帮助来解决此问题，因为我坚持了很长时间。如果有人知道此策略，我将不胜感激。

谢谢！

Answer 1

您的问题称为多标签分类。这意味着一次可以在模型输出中出现多个类别，而不仅仅是一个类别。

给出预测向量，您可以通过应用阈值来获得各个类别：

thresh = 0.5
p = model.predict(some_input)
classes = []
for prob, idx in enumerate(p):
    if prob > thresh:
        classes.append(idx)

print(classes)

执行此操作后，您将获得模型所预测的具有不同类的可变大小向量。阈值（阈值）是您必须使用应用于每个类的二进制分类的性能指标来调整的参数。您也可以为每个课程设置不同的阈值。

您必须调整阈值。现在您将获得一个0和1的向量，其中

中的0

Keras中具有二进制分类的多标签

1 个答案: