Keras 用于多标签图像分类的CNN

我将设计一个对8x8图像块进行分类的CNN。具体来说，我有

num_class

等于40，每个图像可以关联到一个类或两个类，或者三个类或四个类，等等，甚至所有40个类

我的问题与损失函数和度量有关：事实上，我想强制我的CNN返回

K

最自信的类，如果其中至少有一个是正确的，那么我希望精度提高

例如，假设更简单的情况是

num_classes=4

和

K=2

：

    true = [1 0 0 0]; predicted = [1 0 1 0] OK
    true = [1 1 0 0]; predicted = [0 0 1 1] WRONG

所以，我已经测试了下面的代码行，但它不是我想要的

    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

---

我应该使用哪个

损失

和

指标

？或者，如果我编写自己的度量函数，它是否更有意义呢？

您

编译

似乎很好。对于

多标签

网络，您还应使用

乙状结肠激活

和非

softmax

到最后一个

密集层

（不知道您在使用什么）

---

我想你必须写下你自己的损失和度量，但这并不容易，因为损失需要是可微的。真的不存在一个以这种方式运行的内置函数吗？据我所知不是这样。您可以从只编写度量（更简单）开始，并使用

binary\u crossentropy

loss进行训练。

x = Dense(40, activation='sigmoid')