使用单标签训练数据的多类多标签分类

Question

我正在尝试使用卷积神经网络进行多类多标签图像分类。

对于训练过程，我计划使用 one-hot label 来准备我的标签。例如，一共有 8 个类，一个样本图像可以分为 2、4 和 6 类。因此标签看起来像

[0 1 0 1 0 1 0 0]

但是，我目前搭载的模型的输入管道不接受具有多个标签的训练数据。我的同事没有修改模型的输入管道，而是提出了一种替代方法，而不是复制训练数据。使用前面的例子，代替输入一个带有 3 个标签的训练数据，而是输入三个重复的训练数据，每个带有一个标签。这三个标签看起来像

[0 1 0 0 0 0 0 0]

[0 0 0 1 0 0 0 0]

[0 0 0 0 0 1 0 0]

如果有足够的训练数据，模型是否能够学会更重视 one-hot 数组的真值（一）而不是假值（零）？模型能否输出正确的多标签数据？

Answer 1

您可以使用多项逻辑回归或 sigmoid 交叉熵损失来训练网络，而不是通常的 softmax，而无需复制数据和更长时间的训练。 Here 是一个很好的多标签图像分类教程。