【Tool】Keras 实战 III: 多标签分类

前面一篇Keras 基础学习的文章说的是多分类问题,稍微提及了如果一个样本属于多个类,比如在CelebA数据集中一张人脸照片是椭圆形的,戴眼镜的... 这个时候样本的label标注是multi-hot-encoding的,也就是会出现多个标签1。如[0,1,1,0], 1代表属性出现,0代表属性不出现。当然其实这种问题也可以分解为多个二分类/多分类问题,比如人脸形状训练一个模型,有无戴眼镜训练一个模型,头发颜色训练一个模型,然后使用几个模型一起预测。缺点的话就是成本太高,一个模型可以进行多标签分类就容易多了。这里面最典型的问题应该是就CelebA数据集衍生出的一系列模型,电影类型分类等。

这篇文章我们会简单介绍一个多标签分类问题,便于大家理解。
我们使用Adrian Rosebrock 提供的衣服数据集, 这篇文章也是在他的基础上做了点修改。

先看下数据:


keras_multi_label_dataset.jpg

整个数据集有两种属性,一种是颜色(blue, red, black),另一种是衣服的类型(dress, jeans, shirt) 。说明我们对每个衣服的label应该是长度为6的vector,其中两个值为1,其它为0。如假设one-hot-vector编码顺序是(blue, red, black, dress, jeans, shirt)则black jeans的 label就是[0,0,1,0,1,0]。

网络结构

Adrian Rosebrock 使用的网络结构是smallvggnet,结构如下:

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 96, 96, 32)        896       
_________________________________________________________________
activation_1 (Activation)    (None, 96, 96, 32)        0         
_________________________________________________________________
batch_normalization_1 (Batch (None, 96, 96, 32)        128       
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 32, 32, 32)        0         
_________________________________________________________________
dropout_1 (Dropout)          (None, 32, 32, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 32, 32, 64)        18496     
_________________________________________________________________
activation_2 (Activation)    (None, 32, 32, 64)        0         
_________________________________________________________________
batch_normalization_2 (Batch (None, 32, 32, 64)        256       
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 32, 32, 64)        36928     
_________________________________________________________________
activation_3 (Activation)    (None, 32, 32, 64)        0         
_________________________________________________________________
batch_normalization_3 (Batch (None, 32, 32, 64)        256       
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 16, 16, 64)        0         
_________________________________________________________________
dropout_2 (Dropout)          (None, 16, 16, 64)        0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 16, 16, 128)       73856     
_________________________________________________________________
activation_4 (Activation)    (None, 16, 16, 128)       0         
_________________________________________________________________
batch_normalization_4 (Batch (None, 16, 16, 128)       512       
_________________________________________________________________
conv2d_5 (Conv2D)            (None, 16, 16, 128)       147584    
_________________________________________________________________
activation_5 (Activation)    (None, 16, 16, 128)       0         
_________________________________________________________________
batch_normalization_5 (Batch (None, 16, 16, 128)       512       
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 8, 8, 128)         0         
_________________________________________________________________
dropout_3 (Dropout)          (None, 8, 8, 128)         0         
_________________________________________________________________
flatten_1 (Flatten)          (None, 8192)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 1024)              8389632   
_________________________________________________________________
activation_6 (Activation)    (None, 1024)              0         
_________________________________________________________________
batch_normalization_6 (Batch (None, 1024)              4096      
_________________________________________________________________
dropout_4 (Dropout)          (None, 1024)              0         
_________________________________________________________________
dense_2 (Dense)              (None, 6)                 6150      
_________________________________________________________________
activation_7 (Activation)    (None, 6)                 0         
=================================================================
Total params: 8,679,302
Trainable params: 8,676,422
Non-trainable params: 2,880
_________________________________________________________________

实际上Adrian Rosebrock使用的是传统的CNN结构,最后几层是全连接层,参数很多。整个模型训练下来有100M。但是实际上现在轻量网络都是将全连接层改为pooling,减少参数。下面给出一个我改进的网络结构,增加两层卷积层和GlobalAveraePooling2D层,训练完只有14M,accuray和原来的网络差不多,甚至更好:

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 96, 96, 32)        896       
_________________________________________________________________
activation_1 (Activation)    (None, 96, 96, 32)        0         
_________________________________________________________________
batch_normalization_1 (Batch (None, 96, 96, 32)        128       
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 32, 32, 32)        0         
_________________________________________________________________
dropout_1 (Dropout)          (None, 32, 32, 32)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 32, 32, 64)        18496     
_________________________________________________________________
activation_2 (Activation)    (None, 32, 32, 64)        0         
_________________________________________________________________
batch_normalization_2 (Batch (None, 32, 32, 64)        256       
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 32, 32, 64)        36928     
_________________________________________________________________
activation_3 (Activation)    (None, 32, 32, 64)        0         
_________________________________________________________________
batch_normalization_3 (Batch (None, 32, 32, 64)        256       
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 16, 16, 64)        0         
_________________________________________________________________
dropout_2 (Dropout)          (None, 16, 16, 64)        0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 16, 16, 128)       73856     
_________________________________________________________________
activation_4 (Activation)    (None, 16, 16, 128)       0         
_________________________________________________________________
batch_normalization_4 (Batch (None, 16, 16, 128)       512       
_________________________________________________________________
conv2d_5 (Conv2D)            (None, 16, 16, 128)       147584    
_________________________________________________________________
activation_5 (Activation)    (None, 16, 16, 128)       0         
_________________________________________________________________
batch_normalization_5 (Batch (None, 16, 16, 128)       512       
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 8, 8, 128)         0         
_________________________________________________________________
dropout_3 (Dropout)          (None, 8, 8, 128)         0         
_________________________________________________________________
conv2d_6 (Conv2D)            (None, 8, 8, 256)         295168    
_________________________________________________________________
activation_6 (Activation)    (None, 8, 8, 256)         0         
_________________________________________________________________
batch_normalization_6 (Batch (None, 8, 8, 256)         1024      
_________________________________________________________________
conv2d_7 (Conv2D)            (None, 8, 8, 256)         590080    
_________________________________________________________________
activation_7 (Activation)    (None, 8, 8, 256)         0         
_________________________________________________________________
batch_normalization_7 (Batch (None, 8, 8, 256)         1024      
_________________________________________________________________
max_pooling2d_4 (MaxPooling2 (None, 4, 4, 256)         0         
_________________________________________________________________
dropout_4 (Dropout)          (None, 4, 4, 256)         0         
_________________________________________________________________
global_average_pooling2d_1 ( (None, 256)               0         
_________________________________________________________________
activation_8 (Activation)    (None, 256)               0         
_________________________________________________________________
batch_normalization_8 (Batch (None, 256)               1024      
_________________________________________________________________
dropout_5 (Dropout)          (None, 256)               0         
_________________________________________________________________
dense_1 (Dense)              (None, 6)                 1542      
_________________________________________________________________
activation_9 (Activation)    (None, 6)                 0         
=================================================================
Total params: 1,169,286
Trainable params: 1,166,918
Non-trainable params: 2,368
_________________________________________________________________

损失函数

确定了网络结构之后就需要确定针对我们的问题选用什么样的loss function了。这也是多类别分类(multi-class classification)和 多标签(multi-label classification)的差别之处。
先看看多分类问题中用的softmax函数假设z是网络最后的输出:
p(c_i|x_i) = \frac{exp(z_j)}{\sum_{k=1}^nexp(z_k)}

import math

def softmax(z):
    z_exp = [math.exp(i) for i in z]
    sum_z_exp = sum(z_exp)
    return [i / sum_z_exp for i in z_exp]

经过softmax 层 之后得到的是一个多项式概率分布,所有的节点概率和为1, 这种情况下每个类别的输出是不独立的。
假设网络最后的输出为:z = [-1.0, 5.0, -0.5, 5.0, -0.5]

In [4]: z = [-1.0, 5.0, -0.5, 4.7, -0.5]                                         
In [5]: softmax(z)                                                               
Out[5]: 
[0.0014152405960574873,
 0.5709488061694115,
 0.002333337273878307,
 0.4229692786867745,
 0.002333337273878307]

则我们的预测值为概率只为0.57的第二类。

而sigmoid层为:
\sigma(c_j|x_i) = \frac{1}{1 + exp(-z_j)}

def sigmoid(z):
    return [1 / (1 + math.exp(-n)) for n in z]
In [7]: z = [-1.0, 5.0, -0.5, 4.7, -0.5]                                         
In [8]: sigmoid(z)                                                               
Out[8]: 
[0.2689414213699951,
 0.9933071490757153,
 0.3775406687981454,
 0.990986701347152,
 0.3775406687981454]

在sigmoid函数下,假设我们的判断阈值为0.5,则我们的预测值应该是第2,4类。在这中情况下每个输出节点对网络预测都是独立的。这也是我们在多标签分类要解决的问题,我们希望网络的输出是独立的伯努利分布,每个节点对loss函数的贡献也是独立的,每个label的出现也是对立的,比如red, blue可能同时出现,可能同时不出现,也可能出现一个,但是最后的预测值最主要还是取决于你的训练样本,如果 你的训练样本没有红色和蓝色同时出现的,那么你的预测值也很大程度上不会有。

多标签编码(multi-hots-encoding)

可以使用scikit-learn.preprocessing的MultiLabelBinarizer来对多标签类进行类别编码, 具体用法如下:

In [9]: from sklearn.preprocessing import MultiLabelBinarizer                                 
In [10]: labels = [['blue', 'shirt'],['red', 'jeans'],['blue', 'jeans']]                      
In [11]: mlb = MultiLabelBinarizer()                                                          
In [12]: labels = mlb.fit_transform(labels)                                                   
In [13]: labels                                                                               
Out[13]: 
array([[1, 0, 0, 1],
       [0, 1, 1, 0],
       [1, 1, 0, 0]])
In [14]: print(mlb.classes_)                                                                  
['blue' 'jeans' 'red' 'shirt']

可以看到MLB是按照每个属性的字母序对当前的label进行编码的,出现编码为1, 不出现为0。
编码完成之后使用ImageDataGenerator 和图片同步输入到网络里进行训练就可以。

训练结果图:


Screen Shot 2018-12-13 at 11.48.50 AM.png

所有的代码在这: https://github.com/ItchyHiker/multi-label-classification-Keras

Reference

  1. https://github.com/keras-team/keras/issues/741
  2. https://www.depends-on-the-definition.com/guide-to-multi-label-classification-with-neural-networks/
  3. https://www.pyimagesearch.com/2018/05/07/multi-label-classification-with-keras/
  4. https://stackoverflow.com/questions/44164749/how-does-keras-handle-multilabel-classification

前两篇Keras实战文章:
Keras 实战 II: VGG16图片分类:https://www.jianshu.com/p/5a7df18498d4
Keras 实战 I: 卷积神经网络图片分类:
https://www.jianshu.com/p/dcb10f9a5b05

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容

  • https://developers.google.com/machine-learning/crash-cour...
    iOSDevLog阅读 2,657评论 1 11
  • 本章涵盖了神经网络的核心组件Keras概论设置深度学习工作环境使用神经网络来解决基本分类和回归问题 本章旨在让你开...
    凤凰花开那一天阅读 16,227评论 0 57
  • 机器学习术语表 本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。 A A/B 测试 (...
    yalesaleng阅读 1,964评论 0 11
  • 有人说,你所看到别人充满个性 化的生活背后,都是你不能想象的资本。你想追求那样完美自由的生活,但你没有资本任性...
    凌沐溪阅读 742评论 2 1
  • 大概是因为很久没有这样过,自己心目中的样子开始越来月清晰了,我多么希望自己那一天呢可以这样,坐在一个拥有一点人气的...
    糖丁阅读 274评论 0 0