A patch-based architecture for multi-label classification from single label annotations

要約

この論文では、データセットの画像で単一の正のラベルのみが観察されるマルチラベル分類問題のパッチベースのアーキテクチャを提案します。
私たちの貢献は 2 つあります。
最初に、アテンション メカニズムに基づくライト パッチ アーキテクチャを紹介します。
次に、自己相似性を埋め込むパッチを活用して、負の例を推定し、正のラベルのない学習問題に対処するための新しい戦略を提供します。
実験は、私たちのアーキテクチャを最初からトレーニングできることを示していますが、文献からの関連する方法には同様のデータベースでの事前トレーニングが必要です。

要約(オリジナル)

In this paper, we propose a patch-based architecture for multi-label classification problems where only a single positive label is observed in images of the dataset. Our contributions are twofold. First, we introduce a light patch architecture based on the attention mechanism. Next, leveraging on patch embedding self-similarities, we provide a novel strategy for estimating negative examples and deal with positive and unlabeled learning problems. Experiments demonstrate that our architecture can be trained from scratch, whereas pre-training on similar databases is required for related methods from the literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google