用MatConvNet进行二进制分类的神经网络

Question

我已经开始在MatConvNet中使用基本的二进制分类。我有90张图片，总共有750架飞机和地面真相盒。使用地面盒，我提取了所有的飞机图像块作为阳性样本，并为输入的变量。下面是MATLAB代码：

Npos =  numel(p_regions);
Npos_train = floor(0.25*Npos); 
Npos_val = floor(0.25*Npos);
Npos_test = floor(0.50*Npos);

imdb.images.set =[ ones( 1, Npos_train ) 2*ones( 1, Npos_val) 3*ones( 1, Npos_test)];
for i=1:Npos
        im= imresize (double(p_regions{i,:}),[50,50]);
    imdb.images.data(:,:,:, i) = im;
    imdb.images.labels(i) = 1;
end
imdb.meta.sets = {'train', 'val', 'test'} ;

如果我组合了飞机(正)和非飞机(负)图像补丁，那么代码会是这样吗？

Npos_train = floor(0.25* (Npos+Nneg)); 
Npos_val = floor(0.25*(Npos+Nneg));
Npos_test = floor(0.50*(Npos+Nneg));
for i=1:Npos
            im= imresize (double(p_regions{i,:}),[50,50]);
        imdb.images.data(:,:,:, i) = im;
        imdb.images.labels(i) = 1;
    end
for i=1:Nneg
            im= imresize (double(n_regions{i,:}),[50,50]);
        imdb.images.data(:,:,:, I+Npos) = im;
        imdb.images.labels(I+Npos) = 0;
    end
imdb.images.set =[ ones( 1, Npos_train ) 2*ones( 1, Npos_val) 3*ones( 1, Npos_test)];

images.data将像所有积极的事物一样--所有的负面因素

images.labels将组织所有1的所有0的数据。

images.set为images.set =1( 1，Npos_train )2*1( 1，Npos_val) 3*1( 1，Npos_test)；

问:让我感到困惑的是:如果我们想要200个样本进行培训。那么，如果数据存储在images.data和images.labels中，CNN将如何自动提取阳性和阴性样本？

Answer 1

你应该亲自验证这一点。在打印相应的标签时，采集数据样本并绘制图像。

即使我现在告诉您此代码是否正确，这也是因为我没有访问数据集的权限，也无法尝试您的代码。但是，无论如何，您都必须能够验证您的数据，以验证您正在学习正确的东西。因此，我建议你自己验证一下。它将帮助你提高你的深度学习技能。

编辑：

数据数组的相同索引对应于标签数组中的相同索引。因此，如果标签对一架飞机是0，它知道它是假的，如果不是，它知道它是真实的。

网络实际上不知道哪个标签对应于哪个动作，它只是学会了区分这两个类。我建议通过math卷积one教程(比如这个：http://www.robots.ox.ac.uk/~vgg/practicals/cnn/index.html)来理解这些概念。