深度学习在多标签图像分类中的应用：全面综述

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-01 12:05

本文全面回顾了用于多标签图像分类（MLIC）的深度学习技术。它将现有的MLIC方法分为六类，包括面向区域、面向标签和面向架构的方法。该综述还讨论了该领域的挑战和未来的研究方向，旨在为研究人员提供一个系统的视角。 AI

影响为多标签图像分类的深度学习方法提供了结构化的概述，指导了该领域的未来研究和发展。

排序理由该条目是关于特定机器学习任务的综述论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Xuelin Zhu, Xiu-Shen Wei, Jiawei Ge, Shuai Xu, Bing Wang · 2026-07-02 04:00

Rethinking Multi-Label Image Classification With Deep Learning: Taxonomy, Challenge, and Outlook

arXiv:2607.00839v1 Announce Type: new Abstract: Multi-label image classification (MLIC), a fundamental task in computer vision, focuses on identifying multiple objects or concepts within an image, underpinning numerous read-world applications, such as autonomous driving, disease …
arXiv cs.CV TIER_1 English(EN) · Bing Wang · 2026-07-01 12:05

深度学习在多标签图像分类中的再思考：分类法、挑战与展望

Multi-label image classification (MLIC), a fundamental task in computer vision, focuses on identifying multiple objects or concepts within an image, underpinning numerous read-world applications, such as autonomous driving, disease diagnosis, recommendation system, and mobile ser…