Keras中具有二進制分類的多標簽

Question

目前，我正在使用Keras，Sci-kit Learn等進行圖像分類。

我將嘗試解釋所有問題。 就像我之前說的，這是帶有多標簽的圖像分類。 我的數據框包含4000個微觀油樣，標簽表示當前樣品中的一些顆粒。 我將在下面舉一個例子。

好吧，數據幀中的所有圖像都被標記了。 想象一下，每個圖像包含一個具有13個值的數組，這些值已經是二進制值，當然，正數為1，負數為0。

例如

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

這意味着對於每個圖像，可能有多個輸出，在這種情況下，目標是將一個油樣提供給CNN，並且可以返回圖像中存在的粒子。

我不知道是否足夠清楚，對不起，現在我將解釋我的真正問題。

在我的CNN中，我已經將輸出層設置為13（緊隨每個圖像中的標簽數量之后）。 我不知道為什么，但是當我訓練模型時，預測的Y僅返回一個值，例如：

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

我需要獲得具有多個輸出的謂詞，例如：

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

我需要幫助來解決此問題，因為我堅持了很長時間。 如果有人知道此策略，我將不勝感激。

提前致謝！

Answer 1

您的問題稱為多標簽分類。 這意味着一次可以在模型輸出中出現多個類別，而不僅僅是一個類別。

給定預測向量，您可以通過應用閾值獲得單獨的類別：

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

print(classes)

執行此操作后，您將獲得模型預測的具有不同類的可變大小向量。 閾值（閾值）是您必須使用應用於每個類的二進制分類的性能指標來調整的參數。 您也可以為每個班級設置不同的閾值。

閾值是您必須調整的。 現在，您將獲得0和1的向量，其中0 in