时间戳

首页 > 解决方案 > 这个深度学习图像分类问题的目标应该是什么

python-3.x - 这个深度学习图像分类问题的目标应该是什么

问题描述

我正在 keras 中使用 CNN 进行图像分类项目。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。我的目标是如果他的任何一张照片在输入中，则预测该人的正确 ID。这是数据的一瞥。 在此处输入图像描述

我的问题是：

  1. 我的目标列应该是什么？目标是“年龄”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，那么我是否必须对 ID 列进行一次热编码？

  2. 如果我使用 ID 作为目标，那么在 one-hot-encoding 之后，是否意味着我将拥有 70 个类？

  3. 我需要有关输出层的信息。我的目标是找出照片是否属于同一个ID，那么输出层应该是什么？我应该使用具有 70 个输出的 softmax 吗？
  4. 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，然后将其馈送到具有单个输出的 sigmoid 层吗？

标签： python-3.xkerasdeep-learningconv-neural-networkface-detection

解决方案

  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 张不同的可汗图像，并且您训练了一个模型。现在您提供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.
  2. 是的，有 70 个类，你得到一个热编码向量900x70
  3. 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。
  4. 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）

推荐阅读