如何使用卷积神经网络表示多标签分类中的空类？

Question

我正在尝试使用卷积神经网络标记图像所属的各种类别。对于我的问题，图像可以属于单个类别、多个类别或零个类别。将零类别设置为全零是标准做法还是应该向最后一层添加额外的空类神经元？

例如，假设有 5 个类别（不包括 null 类）。目前，我用 [0,0,0,0,0] 来表示。另一种方法是添加一个空类别，它看起来像 [0,0,0,0,0,1]。在第二种情况下是否还会有一些额外的不必要的参数，或者这会让模型表现得更好吗？

我在 Stackoverflow 上查看过类似的问题，但它们与多类分类有关，它使用带有 softmax 输出的分类交叉熵而不是带有 Sigmoid 输出的二元交叉熵，因此明显的选择是添加空类（或进行阈值处理） .

Answer 1

是的，“空”类别应该仅表示为零。最终多标签分类是一组 C 个二元分类问题，其中 C 是类的数量，如果所有 C 个问题都输出“无类”，那么你得到一个只有零的向量。