《多标签图像识别相关研究工作概述》1200字.docxVIP

PAGE2

多标签图像识别相关研究工作概述

1.1传统识别方法

传统的多标签图像识别方法中，由于输出空间呈指数性增长，导致训练过程较慢。例如为表明单个标签是否被包含，输出空间就有2，即包含或不包含。而20个标签输出空间就有2^20。所以我们为提升模型性能，加快训练过程，就需要研究标签之间的关联性。通过标签之间的关联性，多标签图像识别方法可以被大致归纳为三种类型，具体类型分为一阶策略，二阶策略和高阶策略。

一阶策略：即不考虑标签之间的关联性，只考虑单个标签是否存在。一个典型方法就是把复杂多标签图像识别的问题分解成多个单一的单标签图像识别问题。这种类型的多标签图像识别算法因为只单独检测每个标签，实现起来简单且所用资源较少，但该类模型的泛化能力不足，对训练集效果可能不错，但对于测试集效果较差，原因在于这类算法因为没有去研究待训练图像样本里面的标签之间的关联性。这种策略的代表性方法有BR算法[[]TsoumakasG,KatakisI.Multi-labelclassification:Anoverview[J].International

[]TsoumakasG,KatakisI.Multi-labelclassification:Anoverview[J].InternationalJournalofDataWarehousin