来自语义信息论的多标签分类方法——有简单方法干嘛要用复杂的？

最新推荐文章于 2024-04-28 17:10:17 发布
最新推荐文章于 2024-04-28 17:10:17 发布
阅读量542 收藏 1
点赞数
文章标签： 机器学习 多标签分类 语义信息方法 语义信道
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/lcguang1955/article/details/83960562
版权

流行的多标签分类方法大多把多分类化为多个二分类。流行的有One-to-Rest方法和Binary Relevance方法。

One-to-Rest方法的问题是， 围绕一个标签y1分类， 把一个没有y的例子当成y1的反例， 这时不对的。 比如两个例子（25岁， “年轻人”）和（24岁，“成年人”）都是对的。 设y1="年轻人"， 把24岁划到rest=非年轻人，就错了.

Binary Relevance能可这个问题， 但是对样本要求太高，运算复杂。

新的方法很简单， 学习的时候 得到逻辑分类函数或隶属函数 T(qj|X) (q=theta), 令它正比于转移概率函数 P(yj|X).

分类的时候用最大语义信息准则就行了。

详见http://www.survivor99.com/lcg/CM/forDenotation.pdf

更多讨论见 http://www.survivor99.com/lcg/CM/recent.html 

 

lcguang老鲁
关注
从语义信息论看正则化准则
lcguang1955的博客
03-02 829
正则化准则就是在误差准则后面加上正则化项——它反映模型标准差越小越好。这意思是你撒网盖住鱼了，但是覆盖面积越小越好。网盖住整个池塘，就等于没网。用Popper理论解释就是逻辑概率越小越好，因为检验更严厉。 永真句不提供信息。看到这篇文章：    从贝叶斯角...
利用多标签学习网络GMNet来解决城市道路场景的语义分割问题
09-14 248
语义分割是计算机视觉领域中的一个热门问题，旨在将图像中的每个像素分类为道路、建筑、车辆等不同类别，以便准确地理解场景。多标签学习网络GMNet通过利用多个关键技术，如多标签学习、上下文信息利用、空间注意力机制和骨干网络融合，在解决城市道路场景的语义分割问题上取得了显著的成果。通过对大量道路场景数据集的训练和验证，GMNet能够准确地对道路、建筑、车辆等物体进行分割，从而提供了更精细的场景理解。语义分割是图像处理中的一项重要任务，它涉及将图像中的每个像素分配给预定义的类别。第一部分：什么是语义分割。
语义分割之 标签生成
热门推荐
Mr-MegRob
07-11 1万+
语义分割之 标签生成, 利用 Labelme 工具或自己写代码生成标签图像
【语义分割】批量制作多类语义分割数据集
you 是 mine
05-29 1645
操作步骤 执行json_to_dataset.py文件，批量将json转为dataset 执行get_jpg_and_png.py文件，生成对应的png灰度图 注意：使用 3.16.2版本的labelme, 博主试过4.2.10版本的labelme，会报错，没有draw.py文件。 且博主试过了，将3.16.2版本的draw.py文件拷贝到4.2.10文件夹下的utils文件中，自己构建也是不行的，会报错。 应该得改动draw.py文件中的内容吧。 1. json_to_dataset.py 代码（批量
CIHP数据集上使用DeepLabV3+实现多分类语义分割
m0_63642362的博客
11-22 2256
Crowd Instance-level Human Parsing Dataset 数据集上使用DeepLabV3+实现多分类语义分割
HTML——结构与简单标签基础
流楚丶格念的博客
06-24 4837
文章目录Web 标准构成HTML 初识HTML骨架格式HTML标签分类HTML标签关系文档类型字符集HTML标签的语义化为什么要有语义化标签HTML常用标签排版标签标题标签 (熟记)段落标签( 熟记)水平线标签(认识)楚乔传小案例 Web 标准构成 Web标准不是某一个标准，而是由W3C和其他标准化组织制定的一系列标准的集合。 主要包括结构（Structure）、表现（Presentation）和行为（Behavior）三个方面。 结构标准：结构用于对网页元素进行整理和分类，咱们主要学的是HTML。 最重要
【深度学习】语义分割-综述(卷积)
zhe470719的博客
05-07 3263
这里写目录标题0.笔记参考1. 目的2. 困难点3. 数据集及评价指标3.1数据集3.2评价指标4.实现架构5. 模型发展5.1基于全卷积的对称语义分割模型5.1.1FCN（2014/11/14）5.1.1.1具体过程5.1.1.2 CNN 与 FCN5.1.1.3全连接层 -> 成卷积层5.1.1.4 upsampling5.1.1.5局限5.1.2 SegNet（2015/11/2）5.1.2.1 结构5.1.2.2 decoder变体SegNet-Basic5.1.2.3 对比SegNet和FC
如何在双十一给自己送个“陪聊女友”——基于飞桨&Plato搭建多轮对话模型
百度大脑
11-11 1984
点击左上方蓝字关注我们【飞桨开发者说】闫冬阳，PPDE飞桨开发者技术专家，北京交通大学系统科学系在读博士。研究方向是基于复杂网络工具的文本处理方法，同时探索与复杂网络结合的深度学习方法。...
目标检测——CornerNet
PRIS-SCMonkey的博客
04-08 2729
CornerNet是一个比较综合的目标检测论文，如果要详细看的话要补充好多的知识，所以像我们基础比较薄弱的看起来比较吃力，但是一点点慢慢来嘛，总有一些事情是可以坚持下去的，比如说…写博客。 【Paper】CornerNet：Detecting Objects as Paired Keypoints ...
人工智能已经沦为刷榜，刷论文的时代了？ 新一代人工智能，认知智能已经来临。道翰天琼。
qq_37315988的博客
06-30 982
人工智能和深度学习技术风靡全球，盲目追风之下我们需要一场深刻的反思，到底什么是人工智能？深度学习能为我们带来什么? AI 领域专家Filip Piekniewski 非常尖锐地指出了当下 AI 发展的问题： 一方面，深度学习给 AI 领域带来了巨大的成功，然而尚且无法实现像人一样拥有常识的 AI ，而对于这一点，多数 AI 研究者颇有些心照不宣地视而不见，沉浸在刷榜和发Paper 中。 另一方面，AI 似乎也被自身的成功所绑架，甚而成为自身成功的牺牲品。 对此，Piekniewski 基于自身在 .
sml:机器学习算法（例如，ELM，高斯过程，Boosting）用于事件生存时间的结果
05-22
机器学习的生存数据 安装 # Install sml library( devtools ); install_github( ' linxihui/sml ' ); 背景：考克斯比例风险模型 考克斯模型假设比例风险在所有观察结果之间成比例。 在这种假设下，出现了部分可能性，该部分可能性也可以被视为不涉及基线危险函数的概貌和条件可能性，因此感兴趣的参数获得了更大程度的估计自由度。 考克斯偏似的样子 其中$ \ theta_i $通常被称为links或log risk （因为$ \ exp {\ theta_i} $被称为risk ）。 在考克斯的模型中 当前实施的算法 高斯过程 高斯过程的回归和分类已被证明是强大的。 但是，R中没有生存扩展。​​但是，通过假设$ \ theta $是从高斯过程（先前）中采样而来的，扩展是非常简单的。 其中$ K =（k_ {ij}）= K（x_i
图像直方图的规定化处理（SML算法）
04-27
图像直方图的规定化处理（SML算法），和大家分享一下。
查找图片中的某一点的索引（不用for循环）,制作语义分割多分类标签
智障变智能
11-29 376
a=np.array([[[0,0,128], [0,128,128]]]) red=np.array([0,0,128]) print(a[:,:,0]) print(a[:, :, 1]) print(a[:, :, 2]) print(a[:,:,0]==red[0]) print(a[:, :, 1] == red[1]) print(a[:, :, 2] =...
【深度学习实战（26）】标签处理之语义分割标签转换，数据集划分
最新发布
m0_51579041的博客
04-28 695
【深度学习实战（26）】标签处理之语义分割标签转换，数据集划分
前端学习——关于语义化标签的一些思考
bobo1356的博客
03-04 452
转自：http://ife.baidu.com/note/detail/id/486 关于语义化标签的一些思考 现在html越来越提倡语义化，这样不仅方便开发者更好地理解文档，也使得计算机对于文档地理解更加地友好。比如人工智能的语义分析，搜索引擎的搜索分析，辅助视力阅读障碍者的屏幕阅读器之类的软件，在语义化标签的帮助下，能够更好的工作。 文档结构 在学习html5的过程中，知道了一些新
发表了一篇英文长文：语义信息G理论和逻辑贝叶斯推理for统计学习
人工智能学家
08-22 317
来源：人机与认知实验室【本文是鲁晨光老师发表的一篇关于语义信息论和统计学习的论文写后感，发表在科学网上，特摘录推荐】2019-8-21 01:04 |个人分类:信息的数学...
语义分割标签制作全过程（适合新手）
Winters____的博客
04-21 1万+
本人刚接触这方面不久，课题是关于语义分割的内容，在网上搜索了很多文章，发现很多文章都存在一些弊端，自己做了一些总结，方法比较基础，但亲测有效。 首先，我们得有一些原始图片，然后通过labelme标注后得到json文件（labelme使用大家可以去搜一下），接下来我们需要做的是将json文件转换为可用于训练的标签集。 网上很多说python中自带了一个脚本json_to_dataset.py可以转换...
Keras 实现 FCN 语义分割并训练自己的数据之 多分类
Mr-MegRob
03-13 4293
FCN 多分类如何 标注数据, 处理标签, 标记输出
语义分割由网络输出到类别标签的处理过程
sinoai
04-18 5215
logits是网络的输出，logits.shape=(batch_size, w, h, 21)，21类语义标签。 pred_classes = tf.expand_dims(tf.argmax(logits, axis=3, output_type=tf.int32), axis=3)#shape=(?, ?, ?, 1) 我们用numpy解释argmax和expand_dims这两个函数...
二元语义信息处理的多属性群决策方法
"一种基于二元语义信息处理的多属性群决策方法，通过结合VIKOR方法，解决了在多属性群决策中评价信息为语言形式的问题。该方法利用二元语义信息集结算子整合决策群体的决策信息，旨在最大化群体效用并最小化个体遗憾...
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