使用单标签训练数据的多类多标签分类

Question

我想用卷积神经网络做多类多标签图像分类。

对于培训过程，我打算使用单热标签来准备我的标签。例如，有总共8个等级的是，和的样本图像可被分类为类别2，4和6。因此，标签将类似于

[0 1 0 1 0 1 0 0] 

然而，该模型当前我的输入管线捎带上不会带有多标签的训练数据。我的同事并没有修改模型的输入流水线，而是建议替代重复训练数据。使用前面的示例，而不是使用3个标签输入一个训练数据，而是输入三个具有一个标签的复制训练数据。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] 

给予足够的训练数据，将模型能够学习放在真实值（的）在一个热阵列，而不是虚假的价值观更重要的（零） ？模型能够输出适当的多标签数据吗？

Answer 1

您可以使用多项logistic回归或sigmoid交叉熵损失而不是通常的softmax来训练网络，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。