(Обновление к этому вопросу было добавлено.)
Я аспирант в университете Гента, Бельгия; мое исследование касается распознавания эмоций с помощью глубоких сверточных нейронных сетей. Я использую Caffe рамки для реализации CNN.
Недавно я столкнулся с проблемой дисбаланса классов. Я использую 9216 учебных образцов, ок. 5% помечены положительно (1), остальные образцы помечены отрицательно (0).
Я использую SigmoidCrossEntropyLoss слой для расчета потерь. При обучении потери уменьшаются, а точность чрезвычайно высока даже после нескольких эпох. Это связано с дисбалансом: сеть просто всегда прогнозирует отрицательный (0). (Точность и отзыв равны нулю, подтверждая это утверждение)
Чтобы решить эту проблему, я хотел бы масштабировать вклад в потерю в зависимости от комбинации предсказания и истины (строго наказывать за ложные негативы). Мой наставник / тренер также посоветовал мне используйте масштабный коэффициент при обратном распространении через стохастический градиентный спуск (SGD): коэффициент будет коррелировать с дисбалансом в партии. Партия, содержащая только отрицательные образцы, вообще не будет обновлять веса.
Я добавил в Caffe только один специальный слой: для отчета о других показателях, таких как точность и отзыв. Мой опыт работы с кодом Caffe ограничен, но у меня большой опыт написания кода на C ++.
Может ли кто-нибудь помочь мне или указать мне в правильном направлении, как настроить SigmoidCrossEntropyLoss а также сигмоид слои для размещения следующих изменений:
Заранее спасибо!
Я включил InfogainLossLayer как предложено Шай. Я также добавил еще один пользовательский слой, который строит матрицу infogain H
на основе дисбаланса в текущей партии.
В настоящее время матрица настроена следующим образом:
H(i, j) = 0 if i != j
H(i, j) = 1 - f(i) if i == j (with f(i) = the frequency of class i in the batch)
Я планирую в будущем поэкспериментировать с различными конфигурациями матрицы.
Я проверил это на дисбалансе 10: 1. Результаты показали, что теперь сеть изучает полезные вещи: (результаты после 30 эпох)
Эти цифры были достигнуты примерно в 20 эпох и после этого существенно не изменились.
!! Приведенные выше результаты являются лишь подтверждением концепции, они были получены путем обучения простой сети с использованием несбалансированного набора данных 10: 1. !!
Почему бы вам не использовать InfogainLoss слой, чтобы компенсировать дисбаланс в вашем тренировочном наборе?
Потеря Infogain определяется с использованием весовой матрицы H
(в вашем случае 2 на 2) смысл его записей
[cost of predicting 1 when gt is 0, cost of predicting 0 when gt is 0
cost of predicting 1 when gt is 1, cost of predicting 0 when gt is 1]
Таким образом, вы можете установить записи H
отражать разницу между ошибками в прогнозировании 0 или 1.
Вы можете найти, как определить матрицу H
для кофе в эта тема.
Что касается выборочных весов, вы можете найти эта почта Интересно: это показывает, как изменить SoftmaxWithLoss слой для учета веса образца.
Недавно была предложена модификация кросс-энтропийной потери Цунг-Йи Лин, Прия Гоял, Росс Гиршик, Кайминг Хе, Петр Доллар Фокусная потеря для обнаружения плотных объектов, (ICCV 2017).
Идея фокальной потери заключается в назначении разного веса для каждого примера на основе относительной сложности прогнозирования этого примера (скорее на основе размера класса и т. Д.). С того короткого времени, которое я получил, чтобы поэкспериментировать с этой потерей, я чувствую себя лучше "InfogainLoss"
с весами размера класса.
Я также столкнулся с этой проблемой дисбаланса класса в моей задаче классификации. Прямо сейчас я использую CrossEntropyLoss с весом (документация Вот) и работает нормально. Идея состоит в том, чтобы дать больше потерь сэмплам в классах с меньшим количеством изображений.
Вес каждого класса обратно пропорционален номеру изображения в этом классе. Вот фрагмент кода для расчета веса для всех классов с использованием NumPy,
cls_num = []
# train_labels is a list of class labels for all training samples
# the labels are in range [0, n-1] (n classes in total)
train_labels = np.asarray(train_labels)
num_cls = np.unique(train_labels).size
for i in range(num_cls):
cls_num.append(len(np.where(train_labels==i)[0]))
cls_num = np.array(cls_num)
cls_num = cls_num.max()/cls_num
x = 1.0/np.sum(cls_num)
# the weight is an array which contains weight to use in CrossEntropyLoss
# for each class.
weight = x*cls_num