本文介绍了基于Pytorch构建的多标签分类模型，用于自动为鞋子图片标注颜色、风格等标签。通过拆分问题，训练3个ResNet18模型分别处理颜色、风格和混合特征，提高模型预测准确性。在小规模数据集上，每个模型预测速度约为0.43s，但在非白色背景或复杂场景下，模型效果受限，可能需要结合语义分割技术改善。
原文：基于 Pytorch 的鞋子标签自动标注[译] - AIUAI
涉及的问题是对文本生成描述文本(generating text to describe images).
可行的解决方案有两种：
[1] - 采用 CNNs 进行特征提取，然后将提取的特征送入 LSTM，以生成最终的描述文本.
[2] - 构建 multi-label 分类模型，输出的每个节点(node) 分别对应特定的标签(tag).
第一种方案对于生成具有语法结构(grammatical structure) 的图像描述比较有优势.
第二种方案的多标签分类模型用于对于有限个标签(tags) 的生成与标注. 标签的数量可以足够大，只要有模型训练数据.
由于目的是，只采用图像作为输入，生成鞋子的标签标注，故这里采用 Multi-label 分类模型.
不采用 CNN+LSTM 的原因是，第一，这里不需要 English 等的语法结构(这是 LSTM 的作用)；第二，需要更多的手工标注数据.
希望的是，采用预训练的网络模型&#
最低0.47元/天 解锁文章
150
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
