多标签图像分类：每个标签组合是否需要有训练数据？答案

【问题标题】：Multilabel image classification: is it necessary to have training data for each combination of labels?多标签图像分类：每个标签组合是否需要有训练数据？
【发布时间】：2018-06-30 05:45:21
【问题描述】：

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培训数据。更具体地说，我想知道我是否需要训练显示两个或多个标签组合的图像，或者在单个标签上训练网络是否足够，然后它将能够检测图像中的多个标签。

我认为通过示例，我的问题会变得更加清晰：

假设我正在使用狗与猫分类数据集，并且我想构建一个模型，该模型能够将图像分类为狗或猫，或者在一张图像中同时看到两种动物。在这种情况下，我是否需要使用显示猫、狗和同时显示在一张图像中的图像来训练模型，还是仅使用仅显示猫和狗的训练图像就足够了？

【问题讨论】：

我有兴趣为这个问题找到一个好的和有效的解决方案。您使用了哪种方法？

标签： machine-learning neural-network keras conv-neural-network multilabel-classification

【解决方案1】：

好吧 - 在您可能有多个类别的情况下 - 您的问题从多类别分类（将一个类别分配给图像）变为多分类（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，每个类都有单独的输出：

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单独的分类器，而不是一个。根据我的经验 - 它应该可以正常工作，尽管有两个类的示例 - 使培训更有效率。

【讨论】：

【解决方案2】：

这是一个示例，说明如何使用 CNN 使用 Keras 对图像进行分类。

https://github.com/wiamsuri/cnn-image-classifier-keras

您可以将要分类的图像放在图像子文件夹中，以训练和测试 CNN 模型。

【讨论】：