用于多标签图像分类的CNN

Question

我会设计一个对8x8图像块进行分类的CNN。具体地说，我使num_classes等于40，并且每个图像可以仅与一个类或两个类、三个类或四个类相关联，依此类推，甚至可以与所有40个类相联系。

我的问题与损失函数和度量有关：事实上，我想强制我的CNN返回K最有信心的类，如果其中至少有一个是正确的，那么我希望准确性增加

例如，假设更简单的情况num_classes=4和K=2:

true = [1 0 0 0]; predicted = [1 0 1 0] OK
true = [1 1 0 0]; predicted = [0 0 1 1] WRONG

所以，我已经测试了下面的代码行，但它不是我想要的。

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

我应该使用哪个loss和metric？或者，如果我写自己的度量函数，它会更有意义吗？

Answer 1

您的compile看起来不错。对于Multilabel网络，您还应该使用sigmoid activation和而不是softmax到您的上一个dense layer(不知道您在使用什么(

x = Dense(40, activation='sigmoid')