我正在研究图像分类的多标签问题。我没有足够的数据,所以我在使用CNN作为特征提取器的情况下使用转移学习。当我有足够的数据用于某些课程时,我用以下方式提出了问题:
30个类别,第31个是图像的“其余部分”,所以我可以区分它们。
第31堂休息课主要是在降低我的准确性和其他指标。我当时正在考虑在Keras中创建多输出网络,其中一个输出将是“好”或“静止”图像的二进制分类,而第二个输出只有在第一个被分类为良好的情况下才被训练。
我确实知道我也需要评估第二个输出,因为这是计算图的工作方式,但是有一个选项可以告诉该层:不要根据另一个softmax的输入来适应这个不好的例子?
谢谢
答案 0 :(得分:0)
我认为我在某种程度上了解您想要实现的目标。为此,可以训练两个模型-第一个模型是“好”与“休息”的二进制分类,如果必须将“好”传递给第二个模型,则输出该模型-30类输出模型。实际上,这是解决您自己的问题的相当普遍的方法。
我较早就研究了头盔检测问题-我注意到,如果我检测到具有一个模型的人并将这些框传递给“头盔”或“没有头盔”的分类模型,则可以检测头盔而不是检测头盔。