Keras中具有二进制分类的多标签

Question

目前，我正在使用 Keras、sci-kit learn 等进行图像分类。

我会尽力解释所有问题。 就像我之前说的，这是一个多标签的图像分类。 我的数据框包含 4000 个微观油样，标签代表当前样本中的一些颗粒。下面我举一个例子。

好吧，数据框中的所有图像都已标记。想象一下，每张图片都包含一个包含 13 个值的数组，这些值已经是二进制的，当然，1 表示正，0 表示负。

例如

[0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0]

这意味着对于每张图像，可以有多个输出，在这种情况下，目标是给 CNN 一个油样，这可以返回图像中存在的粒子。

我不知道是否足够清楚，抱歉，现在我将解释我的真正问题。

在我的 CNN 中，我已经将输出层设置为 13（根据每个图像中的标签数量）。 我不知道为什么，但是当我训练模型时，预测的 Y 只返回一个值，例如：

Y predicted (sample 14): 3
Y predicted (sample 65): 11

我需要获得多输出的预测，例如：

Y predicted (sample 14): 3, 7, 9, 12
Y predicted (sample 65): 5, 8, 9, 11

我需要帮助来解决这个问题，因为我尝试了很长时间。如果有人知道这方面的策略，我将不胜感激。

提前致谢！

Answer 1

您的问题被称为多标签分类。它意味着模型输出中的多个类可以一次存在，而不仅仅是一个。

给定预测的矢量，您可以通过应用阈值处理来获得单个类：

thresh = 0.5
p = model.predict(some_input)
classes = []
for prob, idx in enumerate(p):
    if prob > thresh:
        classes.append(idx)

print(classes)

执行此操作后，您将获得一个具有不同类别的可变大小的向量，如模型所预测的。阈值（阈值）是您必须使用应用于每个类的二进制分类的性能度量来调整的参数。您也可以为每个类具有不同的阈值。

阈值是您必须调整的东西。现在，您将获得0s和1s的向量，其中0在

中