如何在keras中进行多类图像分类？

Question

这是我所做的。我获取了狗/猫图像分类的代码，并编译和运行，得到了80％的准确性。我向训练和验证文件夹中添加了一个更多的类（飞机）文件夹。对以下代码进行了更改。

model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')

将 binary class_mode 改为 categorical，将损失函数更改为 categorical_crossentropy。还将输出布局从 sigmoid 更改为 softmax。收到以下错误消息。

ValueError: Error when checking target: expected activation_10 to have shape (None, 1) but got array with shape (16, 3)

我需要明确地将训练标签更改为类别，就像下面提到的那样吗？（我从此网站上读到的使用Keras进行多标签分类）

train_labels = to_categorical(train_labels, num_classes=num_classes) 

我不确定这里发生了什么，请帮忙。我对深度学习比较新。

模型

model = Sequential()

model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# this is the augmentation configuration we will use for training
train_datagen = ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)
# this is the augmentation configuration we will use for testing:
# only rescaling
test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')


validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')
model.fit_generator(
    train_generator,
    steps_per_epoch=nb_train_samples // batch_size,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps=nb_validation_samples // batch_size)

- Edwin Varghese

Answer 1

对于多类分类，最后一个密集层的节点数必须等于类别数，接下来是softmax激活函数，即你的模型的最后两层应该是：

最后一个密集层的节点数必须等于类别数，接下来是softmax激活函数，即你的模型的最后两层应该是：

model.add(Dense(num_classes))
model.add(Activation('softmax'))

此外，你的标签（包括训练和测试）必须进行一次独热编码。假设你最初的猫和狗的标记是整数（0/1），而你的新类别（飞机）最初标记为“2”，那么你应该将它们转换如下：

train_labels = keras.utils.to_categorical(train_labels, num_classes)
test_labels = keras.utils.to_categorical(test_labels, num_classes)

最后，在术语层面上，您正在进行的是多类别而不是多标签分类（我已编辑您帖子的标题）——后者用于样本可能同时属于多个类别的问题。

- desertnaut

---

我不需要将其更改为分类，因为我正在使用自己的图像数据集作为输入。将“steps_per_epoch = nb_train_samples // batch_size”更改为“samples_per_epoch = nb_train_samples”解决了这个问题。 - Edwin Varghese

Answer 2

对于多类分类问题，神经网络的最后一层大小必须等于类别数目。

例如，对于您的问题（3个类别），代码应该如下所示：

model = Sequential()

model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(3))
model.add(Activation('softmax'))

- Vadim

---

“softmax” 不是用于多标签分类的正确激活函数。 - DollarAkshay

你正在混淆多类别和多标签分类。多标签意味着一张图片可以属于多个类别。如果在最后加上一个softmax层，就是说一个类别的概率取决于其他类别。 - DollarAkshay

不，我不是。 https://zh.wikipedia.org/wiki/Softmax函数 -> Softmax函数用于各种多类分类方法中。 - Vadim

你只是盲目地引用链接，而不理解我在说什么。softmax函数用于各种多类别分类方法。是的，softmax是用于多类别，而不是多标签。 - DollarAkshay

为什么首先要讨论多标签？问题中是否有任何指示多标签的内容？或者你只是将多类别和多标签混淆了，正如@AkshayLAradhya正确地争论的那样，它们是不同的东西？ - desertnaut