如果图像同时包含狗和猫，则 CNN Keras 狗猫分类

Question

我修改了 dog cat binary classification 以通过在输出层中使用 Sigmoid 激活函数来进行多 class 激活以获得每个个体的预测 class，但它失败了得到预期的结果。

我创建了一个在单个图像中同时包含狗和猫的图像。

预期结果： 狗：70% 或超过 70%，猫：70% 或超过 70%

实际结果： 狗：70 %，猫：25 %

为什么不能高精度地预测个体 class？

import numpy as np
from keras.models import Sequential;
from keras.layers import Conv2D, MaxPooling2D, Dense, Flatten;
from keras.utils.np_utils import to_categorical
from keras import optimizers

classifier = Sequential();

classifier.add(Conv2D(32,(3,3),input_shape=(64,64,3),activation='relu'));
classifier.add(MaxPooling2D((2,2)));

classifier.add(Conv2D(32,(3,3),activation='relu'));
classifier.add(MaxPooling2D((2,2)));

classifier.add(Conv2D(32,(3,3),activation='relu'));
classifier.add(MaxPooling2D((2,2)));

classifier.add(Flatten());

classifier.add(Dense(100, activation='sigmoid'))
classifier.add(Dense(2,activation='sigmoid'));

classifier.compile(optimizer="adam", loss='categorical_crossentropy', metrics=['accuracy'])

from keras.preprocessing.image import ImageDataGenerator

trainingDataOptions = ImageDataGenerator(rescale=1./255,shear_range=0.2,zoom_range=0.2,horizontal_flip=True)
testingDataOptions = ImageDataGenerator(rescale=1./255)

trainingData = trainingDataOptions.flow_from_directory('dataset/training',target_size=(64,64),batch_size=32);
testingData = testingDataOptions.flow_from_directory('dataset/testing',target_size=(64,64),batch_size=32);

classifier.fit_generator(trainingData, samples_per_epoch=1757, nb_epoch=10, validation_data=testingData, nb_val_samples=308)

classifier.save('model.h5')

# Output
from keras.preprocessing import image
test_image = image.load_img('samples/319b5fa.jpg',target_size=(64,64))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis=0)

res = classifier.predict(test_image)
label_map = (trainingData.class_indices)

print(res);

i = 0;
for label in label_map:
    score = res[0][i]
    score = score*100
    score = "{0:.0f}".format(score)
    print(label,"====>",score,'%');
    i = i+1;

我没有在输出层使用 softmax，为什么单个预测的总和不超过 100%？它使 multi-class classification 始终保持在 1.0 以下（我猜这与它分布概率的 softmax 有关）。

Answer 1

准确的说，你想做多标签multi-class class化或者简单的多标签class化（即每张图片可能属于0，1或多个 classes，例如一张图片可能同时包含您提到的猫和狗）。因此，为 Dense 层选择 sigmoid 激活是正确的，因为每个 class 都独立于另一个并且应该得到一个从 0 到 1 的值（即对应于概率）。

但是，您还必须将损失从 'categorical_crossentropy' 更改为 'binary_crossentropy'，因为在这里您不再进行单标签多 class class 化（即此图像中存在哪只狗或猫？）。然而，您正在执行一堆二进制 classifications（即猫是否存在？狗是否存在？）。这种情况下的适当损失是 'binary_crossentropy'.

如果图像同时包含狗和猫，则 CNN Keras 狗猫分类

CNN Keras Dog cat classification if image contain both dog and cat

python

machine-learning

convolution

multilabel-classification

keras