آیا لیبل های شبکه CNN همواره باید به صورت one_hot باشند؟

Question

با سلام.. خواستم بدونم آیا لیبل های شبکه CNN همواره باید به صورت one_hot باشند؟ یا اینکه بسته به کاربرد متفاوتند؟ آیا فقط برای classification به این صورت اند؟ من میخوام کاری انجام بدم که لیبل هام به صورت one_hot نیست! آیا میشه با CNN آموزش داد؟
اگر مقاله ای هم که در این رابطه بود بفرمایید ممنون میشم....
ممنون از پاسخی که میدید.. با تشکر!

Answer 1

سلام.
لزوما لیبیل ها در مسائل مختلف به صورت one-hot نیست بلکه ان را به one-hot تبدیل میکنند. مثلا 3 کلاس متفاوت دارند سک گربه موش. سگ رو 001 گربه را 010 و موش رو 100 میگیرند.
بله من فکر میکنم این تکنیک فقط به درد classification میخوره و در موارد دیگر نمیتونید از این شیوه استفاده کنید. این که لیبل ها رو چی میگیرید میتونه عملکرد شبکه رو تحت تاثیر قرار بده ولی در کل شبکه به لیبل دهی شما وابسته نیست. تعریف cost function هم میتونه تحث تاثیر لیبلینگ شما قرار بگیره و باید cost function مناسب انتخاب کنید. یکی از تکنیک ها که زیر مجموعه binary classification هست همین تبدیل لیبل ها به one-hot میباشد.

Comments

در تکمیل توضیحات آقای شکری میتونم موضوع قطعه بندی معنایی تصویر(semantic image segmentation)  رو مثال بزنم که لیبل ها one-hot نیستند. لیبل ها هم سایز تصویر ورودی هستند که به هر شی در آن یک لیبل متحد اختصاص داده شده است.

---

در مورد semantic هم در واقع one hot هستش، فقط به این صورت که فقط شماره کلاس رو ذخیره می کنید،
sparse one hot encoding گفته میشه

Answer 2

سلام
در تکمیل صحبت های دوستان، در صورتی که از classification استفاده می کنید، به دلیل استفاده معمول از cross entropy error، معمول شده که از one-hot استفاده می کنیم
وگرنه هیچ اجباری به این موضوع نیست
حتما هم شبکه های cnn رو نباید برای classification استفاده کرد و می تونید مثالا برای پیش بینی یه مقدار ازش استفاده کنید،
یعنی بحث regression هم کاملا قابل انجامه.
مثلا از روی تصویر ، تعداد افراد یا اشیا موجود در تصویر رو بشمارید، این کاریه که خیلی با cnn انجام شده، با ایده های مختلف.
یا مثلا پیش بینی درجه چرخش چرخها در خودروهای خودران.
نمونه معروف دیگه، پیدا کردن مکان bounding box توی شبکه های r-cnn ه، که مکان شی توسط مسیر regression پیدا می شه.
دقیقا همین بحثیه که شما توی سوالاتون مطرح کردید، یعنی بسته به کاربرد، ساختار شبکه از جمله خروجیش تغییر می کنه، یه جا مثلا one hot به کار می یاد، یه جا نه، کلا همون اعداد پیوسته رو باید استفاده کرد یا ....