Label Hierarchy Transition

新框架增强了用于分层分类的深度学习

研究人员推出了一种名为标签层级转换（LHT）的新型概率框架，旨在增强用于分层分类任务的深度学习模型。与将分层分类视为多个独立任务的现有方法不同，LHT 显式学习层级不同级别类别之间的关系。这是通过一个编码这些相关性的转换网络和一个在训练期间鼓励模型学习这些跨层级关系的混淆损失来实现的。该框架可适应现有的深度网络，并在基准数据集上展示了卓越的性能，在医疗诊断等领域具有潜在应用。