-
Pipeline
-
loss-function
损失函数的设计动机:传统分类网络解决single-label的分类问题,所以将最后网络输出的score和label直接输入CrossEntropyLoss来计算分类损失;对于multi-labels的分类问题,显然不能直接采用single-label场景的做法[自行脑补具体原因]。我们将网络输出的score的每一个分量先过一下sigmoid函数,得到的prob表示图片中包含该标签的概率,这样将multi-label的分类问题转化为K个二分类问题!
Reference
[1]. Tencent ML-Images: A Large-Scale Multi-Label Image Database for Visual Representation Learning [2019-arXiv]
[2]. https://storage.googleapis.com/openimages/web/index.html