所以，我的硕士论文是关于超分辨率算法对 AlexNet 图像标注准确率的影响。我将 Matlab 与 AlexNet 的预训练版本一起使用。
问题是，通过使用
[label, scores] = classify(net, 'image')
我只得到一个标签，而我想得到多个标签，例如，五个，以及 AlexNet 的相应分数。
我不知道该怎么做，如果有人能给我至少一个提示，我将非常感激。
【问题讨论】：
标签： image matlab machine-learning neural-network computer-vision
scores 矩阵告诉您在对数据进行分类时每个类别的得分情况。具体来说，i 的每一列都会告诉您在尝试使用类 i 对输入进行分类时，ith 类的得分是如何变化的。每一行都是 AlexNet 的一个输入。
如果您想获得每个输入的最高 k 分数，您可以 sort - 具体查看第二个输出变量并对每一行单独排序。之后，您可以提取结果的前k 列，这些列告诉您与输入关联的前 5 个类或标签。如果您关心实际的类，请查看第一个输出。
% First classify the image(s) you would like
[label, scores] = classify(net, ...);
k = 5; % We want 5 classes
[scores_sorted, classes] = sort(scores, 2); % Sort each row individually
scores_sorted = scores_sorted(:, 1 : k);
classes = classes(:, 1 : k);
scores_sorted 和classes 现在将为您提供k 列矩阵，其中每一行告诉您为每个输入分配的顶级k 类（存储在classes）以及AlexNet 提供的分数（ scores_sorted)。
为了最终确定实际的类是什么，当您创建 AlexNet 时，最后一层具有分类的类别。假设您创建了默认网络：
net = alexnet;
...您可以通过以下方式确定每个标签 ID 的类：
c = net.Layers(end).ClassNames;
这是一个类元胞数组，总共应该有 1000 个元素。因此，鉴于我上面编写的代码中的 classes 变量，您可以这样做：
out = net.Layers(end).ClassNames(classes);
classes 因此将用于索引单元格数组，因此它将为您提供一个 N x k 单元格数组，其中该单元格数组中的每一行都告诉您 AlexNet 为顶级 k 类分配的标签每个输入图像。
【讨论】：
classes 会给你一个整数索引，你可以用它来索引 AlexNet 提供的实际分类数据。例如，如果 AlexNet 将输出分配为类别 400，这意味着它属于类别 400，假设您使用的是 ILSVRC2010 数据。将课程映射到分数已经为您完成。 scores 为您提供分配给 AlexNet 的分数，而 classes 为您提供每个班级如何为输入分配相应的分数。
classify 函数时，我只得到 1 个标签（即一个类或同义词集），但我不知道如何获得更多标签。您似乎暗示我可以获得一个名为class 的变量，其中所有类都将根据ILSVRC2010 定义，但我不知道该怎么做。如果您能告诉我如何在 matlab 中执行此操作，我将不胜感激。谢谢你，真的，非常感谢你想帮助我:)
net = alexnet;，您可以通过以下方式确定每个标签 ID 的类：c = net.Layers(end).ClassNames;。这是一个类元胞数组，总共应该有 1000 个元素。因此，鉴于我在上面编写的代码中的classes 变量，您可以这样做：out = net.Layers(end).ClassNames(classes);（下文继续）。
classes 因此将用于索引单元格数组，因此它将为您提供一个 N x k 单元格数组，其中该单元格数组中的每一行都告诉您 AlexNet 为每个输入图像的顶部 k 类。