2

情境化
我正在构建一个模型，用于识别给定图像中的三个类别。
分为三类：

  • 性别：男/女

  • 类型 clotes：西装外套、西装外套和夹克、衬衫、开衫、大衣、外套和夹克、裙裤、连衣裙、牛仔裤、套头衫、连身裤和工装裤、针织衫和运动衫、打底裤和香烟裤、孕妇装、Polo、Pololong、衬衫、短裤、裙子、西装、泳装、泳装和沙滩装、T - 衬衫、T 恤和上衣、裤子、束腰外衣。

  • 颜色衣服：米色，黑色，蓝色，棕色，绿色，灰色，橙色，粉红色，红色，白色，黄色。

换句话说，每张图片都应该有这 3 个类别（每个类别一个值）。

数据
我用于训练模型的数据库由1812张图像和一个 excel 文件组成，其中包含每个图像的三个类别的值（及其 url）。
以下是有关我的数据库的一些信息：

  • 男性人数：759
  • 女性人数：1055
  • 我还有每个属性（来自每个类别）出现在我的数据库中的次数（我无法列出所有属性，但如果它对解释有用，我可以向您发送该信息）
  • 出现次数最多的三胞胎是（男、牛仔裤、蓝色）：66 次

我所做的事情
似乎很清楚，我处于多标签分类环境中。
1. 清理和预处理我
创建的数据(X,Y)数据，其中X的形状为(1814,204,204,3)，Y的形状为(1814,39) '' 39 对应于虚拟变量：类别 1 有2 个属性，第 2 类有 26 个属性，第 3 类有 11 个属性：所以总共是 39 ''。
2.建立我的神经网络
我的模型的不同参数是：

  • 历元 = 100
  • lrate = 0.001
  • 衰减 = lrate/epochs
  • sgd = SGD（lr=lrate，动量=0.9，衰减=衰减，nesterov=False）
  • 损失=二进制交叉熵
  • 优化器=sgd
  • 指标=准确性

我训练的网络结构如下：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_3 (Conv2D)            (None, 204, 204, 32)      896       
_________________________________________________________________
dropout_3 (Dropout)          (None, 204, 204, 32)      0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 204, 204, 32)      9248      
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 102, 102, 32)      0         
_________________________________________________________________
flatten_2 (Flatten)          (None, 332928)            0         
_________________________________________________________________
dense_3 (Dense)              (None, 512)               170459648 
_________________________________________________________________
dropout_4 (Dropout)          (None, 512)               0         
_________________________________________________________________
dense_4 (Dense)              (None, 39)                20007     
_________________________________________________________________
activation_1 (Activation)    (None, 39)                0         
=================================================================
Total params: 170,489,799
Trainable params: 170,489,799
Non-trainable params: 0

问题

  1. 我不认为我的 metric ='accuracy' 是一个好的选择：它并不能反映所发生事情的现实。例如，我对我的训练数据进行了评估测试，得到了 0.95（95% 的 bin 分类良好），但这并不意味着模型表现良好，因为在每个输出中：应该有 3 个39 个分量，其余的都是零。所以很有可能有很多零，因此即使在最坏的情况下，39 个值被预测为 0（没有检测到）比我们的 36/39 精度：哪个不能反映真正的问题？（这就是我得到的结果，对于给定的 X，我得到了许多接近零的值，所以当我使用阈值（0.5）时，它使一切都等于零：
  2. 你认为我的模型表现不佳是因为我没有很多图像吗？（每个标签的图像）？
  3. 你认为我的模型性能不好是因为神经网络的结构不好吗？我尝试使用预训练模型来修复第一层，因为最先进的技术表明这些层负责检测边缘，而我只训练了下一层：在这种情况下，我的结果也很糟糕（通过“准确度”指标计算） ?
  4. 总而言之，我知道我的问题可能没有通用的解决方案，但至少我想知道可能导致这些问题的原因以及如何解决这些问题？因此，欢迎任何帮助，尤其是来自在输出中有许多标签的多标签分类工作的人
4

1 回答 1

0

好吧，有很多关于“下一步要尝试什么”和“如何使神经网络工作”的主题和网页，但我会从

1) 平衡数据，使每个标签均等出现。如果您的大部分数据集由“男性，蓝色牛仔裤”组成，那么这将对损失函数的贡献最大，因此优化器将关注这种情况，而不是“女性，fedora”情况你可能有一个样本。因此，只需复制数据，以便所有采样均相同。你也可以做一个稍微复杂一点的加权成本。

2）从上面继续，从一个小的平衡数据集开始，看看你是否可以过拟合（从每个类中选择一个数据点）。这将为您提供一个良好的起点并消除错误。从那开始，开始添加越来越多的数据并监控损失函数。

3) 对于指标，计算每个类别的准确度、精确度和召回率（性别、类型、颜色）。如果您的课程不多，您还可以计算我个人最喜欢的混淆矩阵。在这个优秀的页面上有一个混淆矩阵（和其他指标）的很好的演示（演示：查看神经网络） https://ml4a.github.io/ml4a/looking_inside_neural_nets/

祝你好运。

于 2018-04-17T19:06:56.630 回答