Keras，自定义图像数据集，带百分比的二进制结果答案

【问题标题】：Keras, custom image dataset, binary result with percentageKeras，自定义图像数据集，带百分比的二进制结果
【发布时间】：2017-09-28 22:43:36
【问题描述】：

我有这两组图像。每张图片都附有一个百分比。我有一个使用返回二进制结果（0 或 1）的图像训练的模型。我想返回机器对 0 或 1 的确定程度的百分比。

举个例子，假设它们是猫图像。我也有关于“猫”有多大的百分比（100% 非常大，0% 非常小）。我希望模型告诉我“这是一只 78% 大的猫”。

我当前的数据集基于两个文件夹（大猫和小猫）。第一个数字是图像的编号（例如 1 到 1000）。第二个数字是猫有多大的百分比：

../big_cats
    cat1_78.png
    cat2_97.png
    cat3_67.png
    ...
../small_cats
    cat1_12.png
    cat2_9.png
    cat3_24.png
    ...

所以现在我不使用百分比，我得到一个 0 或 1（大或小），但我的目标是模型使用它来告诉我“这是一只 67% 的大猫” ，其中 50% 是中型猫，100% 是最大的猫，0% 是最小的猫。

我尝试过使用softmax 和categorical_cassentropy，但这只是说明猫是大还是小的二元决策的估计准确度（如果我理解正确的话）。

我的问题是：如何准备数据集以获得该结果？如何创建数据训练和验证以读取图像名称中的这个百分比？有什么我可以学习的教程吗？我需要使用Keras + Tensorflow。

【问题讨论】：

标签： machine-learning tensorflow keras

【解决方案1】：

你应该有一个用于输出预测层的 Dense (1) 或 (2) 和 softmax 函数，因为你想知道图片是猫还是不是猫（两类）。这意味着您需要将标签重塑为 (num_pic, 2) ，其中第一列用于指示图片是否为猫，第二列用于指示图片是否不是猫；或 (num_pic, 1) 仅指示它是否是猫。

这样，两个（或一个）输出神经元中的每一个都将是一个介于 0 和 1 之间的数字，可以用作概率。

【讨论】：

非常感谢您的回复。我现在正在使用softmax 和categorical_cassentropy：x = Dense(2, activation='softmax', name='predictions')(x) my_model = Model(input=input, output=x) my_model.compile(optimizer='sgd', loss='categorical_crossentropy', metrics=['accuracy']) 一旦我完成模型训练并获得一些有价值的反馈，我就会进行更新。再次感谢您。
您好@yilun-zhang，据我了解，您的回答在某种程度上是正确的，但对于我的应用程序来说不是正确的。如何根据同一班级的素质做出预测？不是是否是猫，而是猫有多大，100% 很大，0% 很小，我有 10,000 张不同百分比的猫的照片？对不起，如果我的问题不够清楚，它已经帮助我理解了很多东西。
@aramusss 在这种情况下，这是一个完全不同的机器学习问题。对于这个，您将需要正确的标签（图像中猫的大小）来训练一种回归模型，以预测猫的大小。这不再是分类问题。
我已经用更清晰的例子更新了我希望的问题。是的，你是对的，看起来不再像分类问题了。你能告诉我要搜索什么，或者有人做类似事情的任何例子吗？我在研究中找不到任何东西。再次感谢您的帮助！
@aramusss 基本上，为了将其视为回归问题，您需要更改softmax函数和损失函数。您可以搜索“keras 回归”，您可以按照一些示例来了解该任务。