CVPR 2019 新文阅读

1 learning a deep convnet for multi-label classification with partial labels

深度学习在单标签分类任务中表现很好，但是日常生活中的图像本质上是多标签的。多标签分类比单标签分类更困难，因为输入图像和输出标签空间都更复杂。与单标签相比，大规模收集干净的多标签注释更难。为了降低标注成本，我们建议训练带有部分标签的模型，即每个图像只知道部分标签。

setting：共三种1. 全标签；2. 分类多标签，图片部分标签缺失；3. 部分标签有误

https://zhuanlan.zhihu.com/p/58135763

 

2 HRNet

先前的分类将分辨率从高到低的卷积串行连接，HRNet则是并行连接。

高分辨率网络 （High-Resolution Network，HRNet）

关于多分辨率表征信息交换，这里以三个分辨率输入和三个分辨率输出为例，如图4所示。每一个分辨率的输出表征都会融合三个分辨率输入的表征，以保证信息的充分利用和交互。将高分辨率特征降到低分辨率特征时，我们采用stride为2的3x3卷积；低分辨率特征到高分辨率特征时，先利用1x1卷积进行通道数的匹配，再利用最近邻插值的方式来提高分辨率。相同分辨率的表征则采用恒等映射的形式。

https://www.jiqizhixin.com/articles/2019-05-22-8