Caffe SigmoidCrossEntropyLoss Layer 多标签分类c++

Question

我有一个获取 2 个输入图像的网络，这两个图像属于 9 个 class 中的不止一个 class。我见过的所有示例 - 在 Caffe 文档中 - 直接从 prototxt 加载输入图像，但是我通过我的 C++ 代码输入信息。

我的输入层如下所示

input: "data"
input_shape{dim:20 dim:6 dim:100 dim:100}

input: "class_label"
input_shape{dim:20 dim:9}

损失层如下所示

layer {
  name: "classes"
  type: "InnerProduct"
  bottom: "ip2"
  top: "classes"
  param { lr_mult: 1 }
  param { lr_mult: 2 }
  inner_product_param {
    num_output: 9
    weight_filler {  type: "xavier" }
    bias_filler { type: "constant" }
  }
}


layer {
  name: "class_loss"
  type: "SigmoidCrossEntropyLoss"
  bottom: "classes"
  bottom: "class_label"
  top: "class_loss"
}

我的假设是输入应该是一个看起来像这样的流 [0 0 1 0 1 0 1 0 0]，其中 1 表示图像属于 class，0 表示不属于，这是真的吗？

我的第二个问题是，我应该从 SigmoidCrossEntropyLoss 层的输出中得到什么（例如 SoftmaxWithLoss 输出概率）？

Answer 1

你是对的：你案例中的标签应该是二进制 9 向量。
损失层的输出是标量损失值。当您训练您的网络时，您应该期望这个值会降低。对于预测（测试时间），您应该用简单的 sigmoid 层替换 sigmoid 损失层。某些 sigmoid 层的输出是一个 9 向量，每个条目代表相应 class.
存在的概率 deploy.prototxt 中的输出层应该类似于：
```
layer {
  type: "Sigmoid"
  name: "class_prob"
  bottom: "classes"
  top: "class_prob"
}
```

Caffe SigmoidCrossEntropyLoss Layer 多标签分类c++

Caffe SigmoidCrossEntropyLoss Layer Multilabel classification c++

c++

neural-network

deep-learning

caffe

conv-neural-network