keras中多标签图像的一种热编码答案

【问题标题】：One hot encoding of multi label images in keraskeras中多标签图像的一种热编码
【发布时间】：2020-01-16 22:33:23
【问题描述】：

我正在使用 PASCAL VOC 2012 数据集进行图像分类。一些图像具有多个标签，其中一些具有单个标签，如下所示。

    0  2007_000027.jpg               {'person'}
    1  2007_000032.jpg  {'aeroplane', 'person'}
    2  2007_000033.jpg            {'aeroplane'}
    3  2007_000039.jpg            {'tvmonitor'}
    4  2007_000042.jpg                {'train'}

我想对这些标签进行 one-hot 编码来训练模型。但是，我不能使用 keras.utils.to_categorical，因为这些标签不是整数，而且 pandas.get_dummies 没有给我预期的结果。 get_dummies 给出了如下不同的类别，即将每个唯一的标签组合作为一个类别。

 {'aeroplane', 'bus', 'car'}  {'aeroplane', 'bus'}  {'tvmonitor', 'sofa'}  {'tvmonitor'} ...

对这些标签进行一次热编码的最佳方法是什么，因为我们没有为每张图像指定特定数量的标签。

【问题讨论】：

标签： python pandas keras one-hot-encoding multilabel-classification

【解决方案1】：

如果第二列中有sets，则可以使用MultiLabelBinarizer：

print (df)
                 a                        b
0  2007_000027.jpg               {'person'}
1  2007_000032.jpg  {'aeroplane', 'person'}
2  2007_000033.jpg            {'aeroplane'}
3  2007_000039.jpg            {'tvmonitor'}
4  2007_000042.jpg                {'train'}

from sklearn.preprocessing import MultiLabelBinarizer

mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(df['b']),columns=mlb.classes_)
print (df)
   aeroplane  person  train  tvmonitor
0          0       1      0          0
1          1       1      0          0
2          1       0      0          0
3          0       0      0          1
4          0       0      1          0

或Series.str.join 和Series.str.get_dummies，但在大型DataFrame 中应该更慢：

df = df['b'].str.join('|').str.get_dummies()
print (df)

   aeroplane  person  train  tvmonitor
0          0       1      0          0
1          1       1      0          0
2          1       0      0          0
3          0       0      0          1
4          0       0      1          0

【讨论】：

我不知道我哪里出错了，我使用了你提到的 MultiLabelBinarizer，但是我得到了这样的类 ' , a b c d e f g h i k l m n o p r s t u v w y { }
@Sree - 我知道有什么问题，没有集合，只有字符串，所以在解决方案之前使用import ast df['b'] = df['b'].apply(ast.literal_eval)
@Sree - 或使用df = df['b'].str.strip("{}").str.get_dummies(', ').rename(columns=lambda x: x.strip("'"))
节省了我很多时间。