Классификация изображений с несколькими метками: нужны ли обучающие данные для каждой комбинации меток?

Я хочу обучить CNN выполнять задачу классификации изображений с несколькими метками с использованием keras. Однако я не знаю, как подготовить данные о тренировках. В частности, мне интересно, нужны ли мне обучающие изображения, которые показывают комбинацию двух или более меток, или достаточно обучить сеть на отдельных метках, и тогда она сможет обнаруживать несколько меток в изображении.

Думаю, мой вопрос станет яснее на примере:

Скажем, я использую набор данных классификации собак и кошек, и я хочу построить модель, которая может классифицировать изображения как собаку или кошку или видеть обоих животных на одном изображении. В этом случае мне нужно тренировать модель с изображениями, показывающими кошек, собак, И изображениями, которые показывают и то, и другое на одном изображении, или достаточно иметь только тренировочные изображения, которые отображают только кошек и собак?


comment
Мне интересно найти хорошее и эффективное решение этой проблемы. Какой подход вы использовали?   -  person AEndrs    schedule 30.08.2018


Ответы (2)


Что ж - в случае, когда у вас возможно несколько классов, ваша проблема меняется с мультиклассовой классификации (присвоение одного класса изображению) на мультиклассификацию (назначение нескольких решений изображению). Например. учитывая ваш пример, вывод вашей сети должен быть двухмерным с отдельным выводом для каждого класса:

output = Dense(nb_of_classes, activation='sigmoid')(previous_layer)
model.compile(loss='binary_crossentropy`, ..)

Как видите, на самом деле вы тренируете два отдельных классификатора вместо одного. По моему опыту - он должен работать нормально, хотя наличие примеров с обоими классами делает обучение более эффективным.

person Marcin Możejko    schedule 21.01.2018

Вот пример того, как вы можете использовать CNN для классификации изображений с помощью Keras.

https://github.com/wiamsuri/cnn-image-classifier-keras

Вы можете поместить изображения, которые хотите классифицировать, во вложенные папки изображений для обучения и тестирования модели CNN.

person Watt Iamsuri    schedule 27.03.2018