多标签图像分类：是否需要为每个标签组合提供训练数据？
Multilabel image classification: is it necessary to have training data for each combination of labels?
我想使用 keras 为多标签图像分类任务训练 CNN。但是我不确定如何准备我的训练数据。更具体地说，我想知道我是否需要训练显示两个或更多标签组合的图像，或者是否足以在单个标签上训练网络，然后它就能够检测图像中的多个标签。
我想通过 示例 我的问题会更清楚：
假设我正在使用狗与猫分类数据集，我想构建一个模型，能够将图像分类为狗或猫，或者在一张图像中看到两种动物。在这种情况下，我是否需要使用显示猫、狗的图像和在一张图像中显示这两种图像的图像来训练模型，还是仅使用仅显示猫和狗的训练图像就足够了？
好吧 - 如果你有多个 class 可能 - 你的问题从 multiclass classification（分配一个 class 到图像）到 multiclassification（将多个决策分配给图像）。例如。鉴于您的网络示例输出应该是二维的，每个 class:
都有单独的输出
output = Dense(nb_of_classes, activation='sigmoid')(previous_layer)
model.compile(loss='binary_crossentropy`, ..)
如您所见 - 您实际上是在训练两个独立的 classifier 而不是一个。根据我的经验 - 它应该工作正常，尽管有两个 classes 的例子 - 使训练更有效率。
这是一个示例，说明如何使用 CNN 通过 Keras 对图像进行分类。
https://github.com/wiamsuri/cnn-image-classifier-keras
您可以将需要分类的图片放在images子文件夹中，用于训练和测试CNN模型。
我想使用 keras 为多标签图像分类任务训练 CNN。但是我不确定如何准备我的训练数据。更具体地说，我想知道我是否需要训练显示两个或更多标签组合的图像，或者是否足以在单个标签上训练网络，然后它就能够检测图像中的多个标签。
我想通过 示例 我的问题会更清楚：
假设我正在使用狗与猫分类数据集，我想构建一个模型，能够将图像分类为狗或猫，或者在一张图像中看到两种动物。在这种情况下，我是否需要使用显示猫、狗的图像和在一张图像中显示这两种图像的图像来训练模型，还是仅使用仅显示猫和狗的训练图像就足够了？
好吧 - 如果你有多个 class 可能 - 你的问题从 multiclass classification（分配一个 class 到图像）到 multiclassification（将多个决策分配给图像）。例如。鉴于您的网络示例输出应该是二维的，每个 class:
都有单独的输出output = Dense(nb_of_classes, activation='sigmoid')(previous_layer)
model.compile(loss='binary_crossentropy`, ..)
如您所见 - 您实际上是在训练两个独立的 classifier 而不是一个。根据我的经验 - 它应该工作正常，尽管有两个 classes 的例子 - 使训练更有效率。
这是一个示例，说明如何使用 CNN 通过 Keras 对图像进行分类。
https://github.com/wiamsuri/cnn-image-classifier-keras
您可以将需要分类的图片放在images子文件夹中，用于训练和测试CNN模型。