研究人员推出一个新的网络监督多标签识别基准，该领域利用免费的网络图像来减少对昂贵手动标注的依赖。该基准名为 WS-MLR，包含两个数据集：Web-COCO 和 Web-Pascal，分别包含约 300,000 张图像和 80 个和 20 个类别。为了进一步推动该领域发展，提出了一个双分支多标签对比学习 (DBMLCL) 框架，该框架通过学习特定类别的表示及其相似性，在识别和纠正噪声标签方面表现出色。实验表明，DBMLCL 在此新基准上优于现有的基线方法。 AI
影响 这项工作旨在通过利用现成的网络数据来提高多标签识别模型的训练效率，从而可能降低标注成本。
排序理由 该项目是一篇研究论文，详细介绍了一个特定机器学习任务的新基准和新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
