我有一个包含多个标签的图像数据集；数据集中有 100 个类，每个图像有 1 到 5 个与之关联的标签。
我正在按照以下 URL 中的说明进行操作：
https://github.com/BVLC/caffe/issues/550
它说我需要生成一个列出图像及其标签的文本文件，如
/home/my_test_dir/picture-foo.jpg 0 /home/my_test_dir/picture-foo1.jpg 1
在我的情况下，由于我有多标签图像，是否可以像下面这样简单地添加标签？
/home/my_test_dir/picture-foo.jpg 0 2 5 /home/my_test_dir/picture-foo1.jpg 1 4
我有一种感觉，它可能不会那么简单，如果我是对的，在设置 Caffe 的过程中，我应该在哪一步以及如何整合数据集的多标签性？
我相信 Shai 的答案不再是最新的。 Caffe 支持 HDF5 和 LMDB 格式的多标签/矩阵基本事实。此github 评论中的 python 片段演示了如何构建多标签 LMDB 基本事实（请参阅Shai对 HDF5 格式的回答）。与单标签图像数据集的构建不同，为图像构建了一个 lmdb，而为多标签地面实况数据构建了第二个单独的 lmdb。该片段处理对图像的像素级标记有用的空间多标签地面实况。
将数据写入 lmdb 的顺序至关重要。基本事实的顺序必须与图像的顺序相匹配。
SOFTMAX_LOSS、EUCLIDEAN_LOSS、SIGMOID_CROSS_ENTROPY_LOSS等损失层也支持多标签数据。但是，Accuracy 层仍然仅限于单标签数据。您可能希望关注此 github 问题以跟踪何时将此功能添加到 Caffe。
caffe 支持多标签。您可以将标签放入 n-hot 向量中，例如 [0,1,1,0,0,1,...] 。您需要将标签重塑为 n*k*1*1 张量并使用 sigmoid 交叉熵或欧几里得，而不是 softmax （强制 sum(outputs)=1 ）
AFAIK，当前的 Caffe 版本不支持具有多标签的图像的 lmdb/leveldb 数据集。但是，您可以（并且可能应该）准备 HDF5 格式的输入。Caffe HDF5 输入层更加灵活，并且允许您在每个输入中拥有多个标签。
这个答案简要描述了如何为 caffe 创建 HDF5 输入。
您必须解决的另一个问题是，您不仅对每张图像的多标签感兴趣，而且对每张图像不同数量的标签感兴趣。你如何定义每个图像、每个标签的损失？可能是您必须编写自己的损失层。
有一些损失层支持“忽略标签”：也就是说，如果将特定的输入标签分配给图像，则不会为相应的图像计算损失。参见，例如AccuracyLayer和SoftmaxWithLossLayer。