python - 具有 F1 分数的 Keras 多标签图像分类

Question

我正在研究一个多标签图像分类问题，并根据系统预测标签和真实标签之间的F1-score进行评估。

鉴于此，我应该使用 loss="binary_crossentropy" 或 loss=keras_metrics.f1_score() 其中 keras_metrics.f1_score() 是取自此处:https://pypi.org/project/keras-metrics/？我有点困惑，因为我在互联网上找到的所有关于多标签分类的教程都是基于 binary_crossentropy 损失函数，但在这里我必须针对F1 分数。

此外，我应该设置 metrics=["accuracy"] 还是 metrics=[keras_metrics.f1_score()] 或者我应该将其完全留空？

Answer 1

基于user706838回答...

使用https://www.kaggle.com/rejpalcz/best-loss-function-for-f1-score-metric中的f1_score

import tensorflow as tf
import keras.backend as K

def f1_loss(y_true, y_pred):

    tp = K.sum(K.cast(y_true*y_pred, 'float'), axis=0)
    tn = K.sum(K.cast((1-y_true)*(1-y_pred), 'float'), axis=0)
    fp = K.sum(K.cast((1-y_true)*y_pred, 'float'), axis=0)
    fn = K.sum(K.cast(y_true*(1-y_pred), 'float'), axis=0)

    p = tp / (tp + fp + K.epsilon())
    r = tp / (tp + fn + K.epsilon())

    f1 = 2*p*r / (p+r+K.epsilon())
    f1 = tf.where(tf.is_nan(f1), tf.zeros_like(f1), f1)
    return 1 - K.mean(f1)