【发布时间】：2015-06-12 06:14:07
【问题描述】：
我设计了一个微笑检测系统。该系统基于深度学习，由 MatConvnet 实现。最后一层是系统的输出，根据人的微笑量有10个输出。我想用回归层将这十个输出转换为 1 到 10 范围内的数字输出。我怎样才能在 MatConvNet 中做到这一点。 谢谢
【问题讨论】：
标签： machine-learning regression supervised-learning matconvnet
【发布时间】：2015-06-12 06:14:07
【问题描述】：
对于回归层，您必须将 CNN 的最后一层（通常为 softmax 或 softmaxloss）替换为您自己的回归层。
为了在 MatConvNet 中定义自己的层，您需要具备以下条件：
- 损失函数
- 此损失函数的梯度
回归损失函数的一个流行选择是squared error loss。你应该看看 softmaxloss 在 MatConvNet 中是如何实现的，以及它是如何在 examples/cnn_train.m 中调用的。更多详细信息可以在 MatConvNet 文档和关于平方损失的反向传播的简短教程中找到here。
建议： 这不能回答你的问题。但是，鉴于您的问题，将您的 10 个输出分类转换为分数比训练整个 CNN 进行回归更容易。
将数字 1 到 10 分配给您的 10 个微笑类别。对于输入图像，CNN 将给出所有这些类的后验概率 P(1...10)。只需对类标签 ( 1*P(1) + 2*P(2) + ....) 进行加权求和，即可得到微笑量的实数值。
【讨论】：