论文：《ML-MG Multi-label Learning with Missing Labels Using a Mixed Graph》代码实现

最新推荐文章于 2023-10-05 16:49:41 发布
最新推荐文章于 2023-10-05 16:49:41 发布
阅读量419 收藏
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guiiu/article/details/95319416
版权

实验结果：
    因为训练集中缺失标签是随机的，我只对测试集进行了结果评判。在不加语义约束的情况下，AP率最高为0.16以上，加语义约束的情况下，AP率最高为0.3以上

遇到的问题：
（1）AP率比较低，在不同缺失比例下，不加语义约束时，论文中的AP率为0.3到0.4左右，而我的代码在不加语义约束的情况下仅为0.16左右
（2）论文中的AP率最高也仅为0.5左右，而当我把所有标签都视为负标签的时候，AP率就能达到0.5 ( 即相当于随机猜测 )，所以我对本论文工作的意义有些疑惑

项目地址：
    https://github.com/CoderZWei/Multi-label
 

zw_James
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习】多标签学习
q742971636的博客
06-23 694
参考： 简单且鲁棒的多标签损失函数设计 Simple and Robust Loss Design for Multi-Label Learning with Missing Labels Large-Scale Object Detection in the Wild from Imbalanced Multi-Labels
噪声标签1：Co-learning: Learning from Noisy Labels with Self-supervision
motoight的博客
09-01 1817
前言 Co-learning: Learning from Noisy Labels with Self-supervision 发表信息：ACM MM 2021 Paper：https://arxiv.org/abs/2108.04063 Code：无 一、核心思想 核心思想：在co-teaching的基础上，通过结合自监督任务和原有有监督任务协同训练。 损失：损失分成三个部分，分别是有监督交叉熵损失，自监督的infoNCE损失和多任务的结构一致性损失。 实现细节： 三个增广：weak Aug 用于有
Multi-label learning with missing labels using mixed dependency graphs
零食的csdn博客
02-27 996
任务 multi-label learning with missing labels(MLML) 用训练集中实体的多类别标签对测试试题进行标注，但训练集中有些标签是丢失的 关键点 通过标签之间依赖关系构成的依赖图，将已知信息传递/预测丢失标签信息。 依赖图中的directed边是语义标签信息，undirected边是实例级别的相似程度。 Base graph是包括directed和undi...
Improving multi-label classification with missing labels by learning label-specific features
qq_42722278的博客
09-06 912
论文相关内容 本文中解决多标记分类问题的方法： 现有的多标签学习方法主要利用由所有标签的特征组成的相同数据表示来判别所有的标签，并假设每个训练样本都观察到所有的类标签。然而，在多标签学习中，每个类的标签可能由其自身的一些特定特性决定，对于一些实际应用，只能得到每个例子的部分标签集。本文提出了一种学习标签特征的新方法——LSML，用于缺失标签的多标签分类。首先，在不完全标签矩阵的基础上，通过学习高阶...
论文阅读笔记——Missing multi-label learning with non-equilibrium based on classification margin
qq_35368303的博客
03-08 394
目录 基于标签密度的分类裕度 1.标签密度和分类裕度 2.基于标签密度的分类裕度 非平衡缺失多标签学习 1.非平衡标签完成矩阵的建模 2.基于分类裕度的非均衡缺失多标签学习 目前的方法大多集中于将采样技术与代价敏感学习相结合，并引入标签相关性来提高分类器的性能，但一般没有考虑标签代价导致的标签丢失。事实上，标注未知实例经常受到判别函数阈值的影响，尤其是对于阈值附近的标注类型。基于我们以前的研究，我们认为数据分布密度和标签密度等信息可以整合到标签相关性中，并且可以扩展分类裕度以有效解决阈值附近标
Multi Label Classification with Missing Labels(MLML)的几种loss设计
taoqick的专栏
10-05 600
多标签学习这个方向问题比较多，可以参考和这两篇偏综述性质的解释。
co-learning:learning from noisy labels with self-supervision 解读
weixin_61445075的博客
03-26 2220
co-learning:learning from noisy labels with self-supervision摘要novelties传统方法的limitationsrelated work方法实验 摘要 受到co-training的启发，作者将supervised learning和self-supervised learning 结合起来。
《Query2Label: A Simple Transformer Way to Multi-Label Classification》
weixin_43994864的博客
03-04 1781
论文链接：https://arxiv.53yu.com/pdf/2107.10834.pdf?ref=https://githubhelp.com 代码链接：https://github.com/SlongLiu/query2labels 1. 动机 多标签分类需要特别关注两个问题：1)如何处理标签不平衡问题，2)如何从感兴趣区域提取特征。为了解决第一个问题，很多研究者设计了各种损失函数；而相对于第一个问题相比，第二个问题的解决方案相对不成熟，需要特殊设计的网络架构或额外依赖于标签相关性。 2. 方法 .
《Few-Shot Learning with Graph Neural Networks》——少样本学习与图神经网络
StreamRock的专栏
11-22 7167
目录一、简介二、【2】实现过程分析2.1 数据的准备2.2 GNN 网络2.2.1 特征提取网络2.2.2 顶点表达2.2.3 Adjacency 层2.2.4 Loss的解析2.3 数据验证所说明的问题三、GNN 的认识四、小结索引欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表...
Smale 论文列表: 多标签与标签分布学习方向
minfanphd的博客
11-02 735
摘要: 本贴列出实验室在多标签和标签分布学习方向的一些工作. 主要目的是保存 bib 方便以后查阅与引用.
【multi-label】Learning a Deep ConvNet for Multi-label Classification with Partial Labels
猫猫与橙子的博客
04-16 5410
来源：CVPR2019 下载链接：https://arxiv.org/abs/1902.09720 本文目的：为了减少图片中多标签标注的成本，提出了一种训练模型的方式：训练模型的样本使用标签没有标注完整的图片； 作者的贡献： 1）比较了多标签数据集的标注方法，作者的方法证明了使用部分标注的所有图片效果好于标注了所有标签的小数据集； 2）提出了一种scalable方法用于ConvNet去学...
分类问题-----多标签（multilabel）、多类别（multiclass）
热门推荐
qq_27009517的博客
05-10 6万+
转自：大致上，解决multilabel的方法有两种1）转化问题。把问题转化为一个或多个单目标分类问题，或是回归问题。2）算法适应。修改学习算法使得能直接处理multilabel的数据。问题转化方法 dubbed PTx法。包括PT1 对有多标签的数据随机选取一个标签 PT2 直接把标签数大于1的都丢掉PT3 对标签集合进行排列组合，即组合好的成为一个新的单标签PT4 把一个含有L个标签的训练转化为...
Multi-Label Learning With Label Specific Features Using Correlation Information
qq_42722278的博客
09-06 703
论文相关内容 本文中解决多标记分类问题的方法： 为了解决每个实例与多个标签关联的问题，近年来开发了许多多标签学习算法。提出了选择标签特征的方法，利用识别特征进行多标签分类。虽然在学习标签特定的特性时考虑了标签相关性，但是很少考虑实例之间的关键相关性。本文在考虑标签空间相关信息和特征空间相关信息的基础上，提出了一种利用相关信息(LSF-CI)学习标签特征的多标签学习方法。在LSF-CI中，特征空间中...
极限多标签学习综述（Extreme Multi-label Learning）
nakaizura
12-26 2391
极限多标签学习综述（Extreme Multi-label Learning）。给定数据X和标签Y，该任务尝试学习一个函数f以映射输入x到y。y的种类通常特别大，通过按照标签y出现的频率进行排序，可以设定阈值。
多标签学习的新趋势
zandaoguang的博客
12-06 701
机器之心转载作者：皓波这是2020 年多标签学习最新的 Survey。这里给大家带来一篇武大刘威威老师、南理工沈肖波老师和 UTS Ivor W. Tsang 老师合作的 2020 年多...
SMALE实验室论文成果：多标签学习CSDN源码
爱学习爱运动的专栏
11-02 311
SMALE实验室论文成果：多标签学习CSDN源码
论文阅读理解 - Learning Spatial Regularization for Multi-label Image Classification
长风破浪会有时，直挂云帆济沧海
08-31 4506
Learning Spatial Regularization with Image-level Supervisionsfor Multi-label Image Classification [Caffe-Code] 论文主要通过采用 Attention Model 学习图像的多标签间的关系，然后作为多标签图像分类的空间正则项进行模型训练. 1. 摘要 多标签图像分类问题通过利用...
多标签学习（multi-label learning）扫盲，混淆矩阵
Hello Word!
07-21 3933
1，MLL 没有单独的直观的二维混淆矩阵，sklearn的实现是多少label就有多少混淆矩阵，每个label一个2x2的混淆矩阵。 （每个label的值是0/1） from sklearn.metrics import multilabel_confusion_matrix import numpy as np classes = ['green', 'black', 'red', 'blue'] targetSrc = [[0,1,1,1], [0,0,1,0], [1,0,0,1], [1,1,1,0
河北金融学院在广东2021-2024各专业最低录取分数及位次表.pdf
最新发布
09-07
全国各大学在广东2021-2024各专业最低录取分数及位次表
Learning a Deep ConvNet for Multi-label Classification with Partial Labels代码浮现
06-01
好的，以下是使用PyTorch实现 "Learning a Deep ConvNet for Multi-label Classification with Partial Labels" 论文的示例代码。 ```python import torch import torch.nn as nn import torch.optim as optim from...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值