声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统的多标签识别方法
1.2.2 深度学习在多标签图像识别中的应用
1.3 研究内容
1.4 本文组织结构
2 基础网络及实验配置
2.1 经典神经网络介绍
2.2 实验数据集介绍
2.3 本章小结
3 基于度量学习的多标签算法研究
3.1 度量学习
3.2 标签相关性学习
3.3 算法设计
3.3.1 数据编码
3.3.2 特征提取网络
3.3.3 特征-标签映射网络
3.3.4 分类网络
3.4 损失函数设计
3.4.1Constrained Ranking Loss
3.4.2 交叉熵损失函数
3.5 实验设计
3.5.1 训练细节
3.5.2 评价指标
3.5.3 实验结果
3.6 特征可视化
3.7 本章小结
4 基于注意力的多标签分类研究
4.1 自注意力机制研究
4.2 目标多尺度与尾标签
4.3 特征注意力网络
4.3.1 特征精练网络
4.3.2 相关性学习网络
4.3.3 网络预测
4.4 损失函数设计
4.5 实验设计
4.5.1 评价指标
4.5.2 实验结果
4.5.3 尾标签及小目标的实验结果
4.5.4 消融实验
4.6 特征可视化
4.7 本章小结
5 总结与展望
5.1 本文总结
5.2 展望
参考文献
致谢
附录1攻读硕士期间发表的论文
附录2攻读硕士学位期间参加的科研项目
