Learning Disentangled Label Representations for Multi-label Classification，2022

学习多标签分类的解纠缠标签表示

要点：

1、主流多标签分类：遵循单标签（多类别）分类的特征学习机制——学习一个共享的图像特征来对多个标签进行分类；即 OFML（One-shared-Feature-for-Multiple-Labels）机制，该机制不利于有区别性的（discriminative) 标签特征学习，并且模型非鲁棒；
2、本文工作：
（1）首次从数学上证明OFML机制的劣势：在最小化交叉熵损失的情况下，最优学习的图像特征不能同时与多个分类器保持高度相似；
（2）提出 OFOL（One-specific-feature-for-label）机制；
（3）提出新的解纠缠学习框架 DLDF，学习每个标签的解纠缠表示。
3、DLDF（disentangled label feature learning）
（1）特征解纠缠模块：包含可学习的语义查询和语义空间交叉注意模块SSCA（Semantic Spatial Cross-Attention）；
（2）可学习的语义查询：在同一标签的不同图像之间保持语义一致性；
（3）SSCA模块将与标签相关的空间区域进行局部化，并将局部的区域特征聚合到相应的特征标签中，实现特征解耦。

图表：

OFML VS OFOL:

1、OFML机制：特征增强模块，采用池化操作获得所有标签的共享标签特征；
2、OFOL机制：特征解纠缠模块，为每个标签提取一个解纠缠特征。

DLFL（解纠缠标签特征学习模块）：

实验结果：

代码：

Learning Disentangled Label Representations for Multi-label Classification相关推荐

论文阅读 [TPAMI-2022] On Learning Disentangled Representations for Gait Recognition
论文阅读 [TPAMI-2022] On Learning Disentangled Representations for Gait Recognition 论文搜索(studyai.com) 搜索 ...
【读论文】Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classification
标题:Deep Multi-instance Networks with Sparse Label Assignment for Whole Mammogram Classification 来源:M ...
Learning Disentangled Representations of Negation and Uncertainty
学习否定和不确定性的分解表示法 Jake Vasilakes 1 , Chrysoula Zerva 2,3 , Makoto Miwa 4,5 , Sophia Ananiadou 1,5 1 Na ...
【医学+深度论文：F14】2018 Joint Optic Disc and Cup Segmentation Based on Multi Label Deep Network
14 2018 T-MI (IEEE Transactions on Medical Imaging ) Joint Optic Disc and Cup Segmentation Based on ...
lxmert:learning cross-modality encoder representations from transformers
LXMERT: Learning Cross-Modality Encoder Representations from Transformers 论文笔记_小有名气的可爱鬼的博客-CSDN博客视觉 ...
员外陪你读论文：DeepWalk: Online learning of Social Representations
本次要分享的是 14 年论文 DeepWalk: Online learning of Social Representations, 论文链接DeepWalk[1],参考的代码CODE[2],本论文 ...
【论文精读实战】DeepWalk: Online Learning of Social Representations
DeepWalk: Online Learning of Social Representations 本文是我参加Datawhale的CS224W图机器学习时的笔记,第一次学习图机器学习,对Deep ...
[CVPR2016]Learning Deep Feature Representations with Domain Guided Dropout for Person Re-id
论文题目:Learning Deep Feature Representations with Domain Guided Dropout for Person Re-identiﬁcation 还是 ...
自监督学习（十）Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles
Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles Introduction Method 排列选择 p ...

Learning Disentangled Label Representations for Multi-label Classification

Learning Disentangled Label Representations for Multi-label Classification，2022

要点：

图表：

代码：

Learning Disentangled Label Representations for Multi-label Classification相关推荐

最新文章

热门文章