如何用卷积神经网络表示多标签分类中的Null类？

Question

我正在尝试使用卷积神经网络标记图像所属的各种类别。对于我的问题，图像可以是单个类别，多个类别或零类别。将零类别设置为全零是标准做法，还是应该在最后一层添加一个附加的空类别神经元？

作为一个例子，假设有5个类别（不包括null类）。目前，我用[0,0,0,0,0]表示。另一种方法是添加一个空类别，该类别类似于[0,0,0,0,0,1]。在第二种情况下，是否还会有其他不必要的参数，或者这会使模型表现更好？

我已经在Stackoverflow上找到了类似的问题，但是它们与多类分类有关，该类使用具有softmax输出的分类交叉熵而不是具有Sigmoid输出的二进制交叉熵，因此，显而易见的选择是添加null类（或做阈值设置。

Answer 1

模型为每个类别输出一个概率，我们将输入分配给在预测期间具有最高概率的类别。最后一层通常是用于多层分类的softmax层和用于二进制分类的Sigmoid层。它们都将输入压缩为0到1。我们可以将它们解释为概率。所以不，您不能将所有零都作为一个类（空），因为它们的值之和为1（概率）。您必须为Null定义一个新类。

Answer 2

是的，“ null”类别应表示为零。最后，多标签分类是一组C二进制分类问题，其中C是类的数目，如果所有C问题输出“ no class”，那么您得到的向量仅为零。