Keras 中具有二进制分类的多标签

Question

此时此刻，我正在使用 Keras、sci-kit learn 等进行图像分类

我会尽力解释所有的问题。就像我之前说的，这是一个多标签的图像分类。我的数据框包含 4000 个微观油样，标签代表当前样本中的一些颗粒。下面我举一个例子。

好吧，dataframe 中的所有图像都被标记了。想象一下，每个图像包含一个数组，其中包含 13 个值，已经是二进制的，当然，1 表示正值，0 表示负值。

例如

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

这意味着对于每个图像，可能有多个输出，在这种情况下，objective 是给 CNN 一个油样，可以 return 存在哪些颗粒在图像中。

不知道说的够不够清楚，不好意思，现在我来解释一下我真正的问题。

在我的 CNN 中，我已经将输出层设置为 13（根据每个图像中的标签数）。我不知道为什么，但是当我训练模型时，预测的 Y return 只有一个值，例如：

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

我需要获得多输出的预测，例如：

Y predicted (sample 14): 3, 7, 9, 12
Y predicted (sample 65): 5, 8, 9, 11

我需要帮助来解决这个问题，因为我尝试了很长时间。如果有人知道这方面的策略，我将不胜感激。

提前致谢！

Answer 1

您的问题称为多标签class化。这意味着一次可以在模型的输出中出现多个 class，而不仅仅是一个。

给定一个预测向量，您可以通过应用阈值获得单个 classes：

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，您将获得具有不同 classes 的可变大小向量，如模型所预测的那样。阈值 (thresh) 是一个参数，您必须使用应用于每个 class 的二进制 classification 的性能指标来调整。您还可以为每个 class.

设置不同的阈值

您必须调整阈值。现在你将得到一个 0 和 1 的向量，其中 0 在

Keras 中具有二进制分类的多标签

Multilabel with binary classification in Keras

python

neural-network

multilabel-classification

keras