Tensorflow 在深度学习分类中如何处理班级之间的相关性？

我不确定如何处理深度学习分类网络中的某些类相互关联的情况

例如，在对图像进行分类时，如果输入是狗的图片，输出标签是猫，则损失应低于输出标签是飞机或桥梁时的损失。我想知道cs的人以前是如何处理这个问题的，如果有什么论文我可以参考。谢谢大家!

tl；博士： 你不能/不应该

长版本： 如果针对您的具体情况，您可以找到一个度量来确定类之间的距离，如下所示：

d[i,j] = f(L[i], L[j])

其中，d[i，j]是标签为L[i]和L[j]的类之间的距离，f是这两个类/标签的函数，那么您可以将其合并到损失函数中，这样，如果d大，损失会更大，如果d小，损失会更小

然而，在你的例子中，猫/狗/飞机/桥梁/。。。我不相信有正确的方法来确定狗/猫或狗/桥等之间的距离。如果你真的想，你当然可以手动确定，例如，如果你的图像包含猫，预测桥比预测狗差3倍：

d[cat,dog]=1
d[cat,bridge]=3

但我不推荐这样做

---

我什么时候推荐这个？如果您有许多类和一个相关矩阵，可以正确量化所有类之间的相关性。

这可能是一个更合适的问题，因为猫和狗不是一个好例子。我有这个相关矩阵。在这种情况下，你可以创建一个自定义损失函数，它在Account中取这个距离，这就是我要找的。如何创建此损失函数？谢谢或者我应该查找哪些术语？您可以通过将keras.loss.loss子类化来创建自定义损失函数。看一看它们是如何实现的。