这个深度学习图像分类问题的目标应该是啥

Posted 2023-03-16

【中文标题】这个深度学习图像分类问题的目标应该是啥

【英文标题】：what should be the target in this deep learning image classification problem这个深度学习图像分类问题的目标应该是什么

【发布时间】：2020-08-27 15:18:49

【问题描述】：

我正在 keras 中使用 CNN 做一个图像分类项目。我有一个包含大约 70 人的大约 900 张照片的数据集。每个人都有多张不同年龄的照片。 我的目标是如果输入中的任何一张照片都预测该人的正确 ID。 这是数据的一瞥。

我的问题是：

我的目标列应该是什么？目标是“AGE”还是“ID”？ 2-我 需要对目标列进行热编码吗？例如，如果我使用 ID作为我的目标，那么我必须对ID列进行一次热编码吗？

如果我使用 ID 作为我的目标，那么在 one-hot-encoding 之后，是否 意思是，我要上 70 节课？

我需要有关 输出层。我的目标是查找照片是否属于 ID是否相同，那么输出层应该是什么？我要不要用 具有 70 个输出的 softmax ？ 关于输出层的另一个问题 是我可以使用具有 70 个输出的 softmax，然后将其馈送到 单输出的 sigmoid 层？

【参考方案1】：

您将使用不同年龄的图像来识别同一个人。例如，在数据集中，您有 100 张不同的 khan 图像，并且您训练了一个模型。现在您提供了 khan 的第 101 张图像，模型将检测到它。所以你的目标列应该是ID。 是的，有 70 个类，你会得到一个 900x70 的热编码向量 它应该是一个 softmax 层，因为 sigmoid 层用于解决二元类或多标签问题。由于您必须检测 70 个不同的人，因此您需要一个 softmax 类。 我不这么认为，这样您的模型将无法分辨出这是哪个人物图像（作为测试提供的图像）

【讨论】：

好的，谢谢兄弟...只是我很担心...因为每个人的照片都比年龄组少...我的意思是...每个人的ID大约有5张照片... .所以我担心训练模型是否足够

尝试数据增强技术，也许它可以帮助你，并在一些人脸数据上预训练你的模型