使用單標籤訓練數據的多類多標籤分類

Question

我想用卷積神經網絡做多類多標籤圖像分類。

對於培訓過程，我打算使用單熱標籤來準備我的標籤。例如，有總共8個等級的是，和的樣本圖像可被分類爲類別2，4和6。因此，標籤將類似於

[0 1 0 1 0 1 0 0] 

然而，該模型當前我的輸入管線捎帶上不會帶有多標籤的訓練數據。我的同事並沒有修改模型的輸入流水線，而是建議替代重複訓練數據。使用前面的示例，而不是使用3個標籤輸入一個訓練數據，而是輸入三個具有一個標籤的複製訓練數據。這三個標籤看起來像

[0 1 0 0 0 0 0 0] 

[0 0 0 1 0 0 0 0] 

[0 0 0 0 0 1 0 0] 

給予足夠的訓練數據，將模型能夠學習放在真實值（的）在一個熱陣列，而不是虛假的價值觀更重要的（零） ？模型能夠輸出適當的多標籤數據嗎？

Answer 1

您可以使用多項logistic迴歸或sigmoid交叉熵損失而不是通常的softmax來訓練網絡，而無需複製數據和更長時間的訓練。 Here是一個很好的多標籤圖像分類教程。