mmcls多标签分类实战（二）：resnet多标签分类

上一章讲了如何制作数据集，接下来我们使用mmcls来实现多标签分类。

Config配置
mmcls是通过config来配置整个网络结构的。如下，我使用的是resnet18，因为数据中有5个属性，所以输出的num_classes=5。需要注意的是，head要选用head=dict(type=‘MultiLabelLinearClsHead’）。这是因为多标签分类，在进入loss前，应该用sigmoid激活，将pred的值归一化。如果使用softmax，会出现属性互斥的现象（因为pred在dim=1上，sum=1）。对于Multi-label问题，应该使用F.binary_cross_entropy_with_logits损失。

model = dict(type='ImageClassifier',backbone=dict(type='ResNet',depth=18,num_stages=4,out_indices=(3, ),style='pytorch'),neck=dict(type='GlobalAveragePooling'),head=dict(# type='LinearClsHead',type='MultiLabelLinearClsHead',num_classes=5,in_channels=512,# loss=dict(type='CrossEntropyLoss', loss_weight=1.0),# topk=(1, 5),))

自定义dataset
为了读取数据，并将label转变为loss可以计算的格式，我们需要重新定 def load_annotations(self):为了不增加类，定义了self.multi_label的flag来分离Multi-label与Multi-class。我们在txt中的label是一个num，比如你有5个属性类别，label可能是1，3，而BCE中label需要的格式是[1,0,1]，因此我们需要转化一下。

def load_annotations(self):"""Load image paths and gt_labels."""if self.ann_file is None:samples = self._find_samples()elif isinstance(self.ann_file, str):lines = mmcv.list_from_file(self.ann_file, file_client_args=self.file_client_args)samples = [x.strip().rsplit(' ', 1) for x in lines]else:raise TypeError('ann_file must be a str or None')data_infos = []for filename, gt_label in samples:info = {'img_prefix': self.data_prefix}info['img_info'] = {'filename': filename}temp_label = np.zeros(len(self.CLASSES))if not self.multi_label:info['gt_label'] = np.array(gt_label, dtype=np.int64)else:##multi-label classifyif len(gt_label) == 1:temp_label[np.array(gt_label, dtype=np.int64)] = 1info['gt_label'] = temp_labelelse:for i in range(np.array(gt_label.split(','), dtype=np.int64).shape[0]):temp_label[np.array(gt_label.split(','), dtype=np.int64)[i]] = 1info['gt_label'] = temp_labeldata_infos.append(info)return data_infos

接下来就可以进行多标签的训练了。

mmcls多标签分类实战（二）：resnet多标签分类相关推荐

R语言ggplot2可视化自定义图例标签间距实战：自定义图例标签间距、自定义图例与图像之间的间距
R语言ggplot2可视化自定义图例标签间距实战:自定义图例标签间距.自定义图例与图像之间的间距目录
template标签_Django实战: 利用自定义模板标签实现仿CSDN博客月度归档
应网友慕之岩的请求,现提供下Django项目中如何使用自定义标签实现仿CSDN博客的月度归档(如下图所示).要求按月统计每个月发表的博文篇数, 跳过空白月份,最后结果按发布时间逆序排列.点击每个月份可 ...
不平衡数据集分类实战：成人收入数据集分类模型训练和评估
许多二分类任务并不是每个类别都有相同数量的数据,存在着数据分布不平衡的情况. 一个常用的例子是成人收入数据集,它涉及到社交关系.教育水平等个人数据,以此来预测成人的收入水平,判断其是否拥有5万美元/年 ...
PyTorch 深度学习实战 | 基于 ResNet 的花卉图片分类
"工欲善其事,必先利其器".如果直接使用 Python 完成模型的构建.导出等工作,势必会耗费相当多的时间,而且大部分工作都是深度学习中共同拥有的部分,即重复工作.所以本案例为了快 ...
卷积神经网络实战二电机轴承故障分类
项目导论最近实验室要接一个故障分类的项目,数据主要是传感器测得的各种数据,现在先用网上的数据集学习一下怎么处理. 数据集介绍采用由凯斯西储大学轴承数据中心网站发布的电机轴承数据.此网站提供正常运行 ...
【BERT-多标签文本分类实战】之二——BERT的地位与名词术语解释
·请参考本系列目录:[BERT-多标签文本分类实战]之一--实战项目总览 ·下载本实战项目资源:>=点击此处=< [注]本篇将从宏观上介绍bert的产生和在众多模型中的地位,以及与bert ...
【直播课】图像分类竞赛技巧与多标签分类实战
前言对于刚接触深度学习计算机视觉的初学者来说,图像分类问题是最常见的问题,如何做好图像分类任务,关系到大家能否正确顺利地入门.读了许多论文,可能仍然不懂代码如何实现.跑了代码,仍旧不懂如何运用图像分 ...
（imdb数据集）电影评论分类实战：二分类问题
目录前言一.电影评论分类实战 1-1.数据集介绍&数据集导入&分割数据集 1-2.字典的键值对颠倒&数字评论解码 1-3.将整数序列转化为张量(训练数据和标签) 1-4.搭 ...
mmcls多标签分类实战（三）：多标签分类指标
前面两篇分别介绍了制作多标签数据,resnet多标签分类.接下来,我将介绍多标签分类的指标并分享一些关于多标签分类的细节,即如何操作可以提点. 在此之前,想提一下损失函数cross_entropy与b ...
mmcls多标签分类实战（一）：制作多标签数据
Multi-Label:多标签分类指当图片或者文本存在多个属性时,多标签分类能够对一张图片中的多个属性进行分类识别.下面将用mmclassification框架完成一次多标签分类实战. Multi-c ...

mmcls多标签分类实战（二）：resnet多标签分类

mmcls多标签分类实战（二）：resnet多标签分类相关推荐

最新文章

热门文章