keras中多标签图像的一种热编码
One hot encoding of multi label images in keras
我正在使用 PASCAL VOC 2012 数据集进行图像分类。一些图像具有多个标签，其中一些图像具有单个标签，如下所示。
0 2007_000027.jpg {'person'}
1 2007_000032.jpg {'aeroplane', 'person'}
2 2007_000033.jpg {'aeroplane'}
3 2007_000039.jpg {'tvmonitor'}
4 2007_000042.jpg {'train'}
我想对这些标签进行一次性编码以训练模型。但是，我不能使用 keras.utils.to_categorical，因为这些标签不是整数，而且 pandas.get_dummies 没有给我预期的结果。 get_dummies 给出了如下不同的类别，即将每个唯一的标签组合作为一个类别。
{'aeroplane', 'bus', 'car'} {'aeroplane', 'bus'} {'tvmonitor', 'sofa'} {'tvmonitor'} ...
对这些标签进行单热编码的最佳方法是什么，因为我们没有每个图像的具体标签数量。
如果第二列中有 set 可以使用 MultiLabelBinarizer:
print (df)
a b
0 2007_000027.jpg {'person'}
1 2007_000032.jpg {'aeroplane', 'person'}
2 2007_000033.jpg {'aeroplane'}
3 2007_000039.jpg {'tvmonitor'}
4 2007_000042.jpg {'train'}
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(df['b']),columns=mlb.classes_)
print (df)
aeroplane person train tvmonitor
0 0 1 0 0
1 1 1 0 0
2 1 0 0 0
3 0 0 0 1
4 0 0 1 0
或Series.str.join with Series.str.get_dummies，但在大型DataFrame中应该更慢：
df = df['b'].str.join('|').str.get_dummies()
print (df)
aeroplane person train tvmonitor
0 0 1 0 0
1 1 1 0 0
2 1 0 0 0
3 0 0 0 1
4 0 0 1 0
我正在使用 PASCAL VOC 2012 数据集进行图像分类。一些图像具有多个标签，其中一些图像具有单个标签，如下所示。
0 2007_000027.jpg {'person'}
1 2007_000032.jpg {'aeroplane', 'person'}
2 2007_000033.jpg {'aeroplane'}
3 2007_000039.jpg {'tvmonitor'}
4 2007_000042.jpg {'train'}
我想对这些标签进行一次性编码以训练模型。但是，我不能使用 keras.utils.to_categorical，因为这些标签不是整数，而且 pandas.get_dummies 没有给我预期的结果。 get_dummies 给出了如下不同的类别，即将每个唯一的标签组合作为一个类别。
{'aeroplane', 'bus', 'car'} {'aeroplane', 'bus'} {'tvmonitor', 'sofa'} {'tvmonitor'} ...
对这些标签进行单热编码的最佳方法是什么，因为我们没有每个图像的具体标签数量。
如果第二列中有 set 可以使用 MultiLabelBinarizer:
print (df)
a b
0 2007_000027.jpg {'person'}
1 2007_000032.jpg {'aeroplane', 'person'}
2 2007_000033.jpg {'aeroplane'}
3 2007_000039.jpg {'tvmonitor'}
4 2007_000042.jpg {'train'}
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
df = pd.DataFrame(mlb.fit_transform(df['b']),columns=mlb.classes_)
print (df)
aeroplane person train tvmonitor
0 0 1 0 0
1 1 1 0 0
2 1 0 0 0
3 0 0 0 1
4 0 0 1 0
或Series.str.join with Series.str.get_dummies，但在大型DataFrame中应该更慢：
df = df['b'].str.join('|').str.get_dummies()
print (df)
aeroplane person train tvmonitor
0 0 1 0 0
1 1 1 0 0
2 1 0 0 0
3 0 0 0 1
4 0 0 1 0