基于单标签数据集的多标签分类

Question

我正在寻找一个解决方案，以检测不同的情绪/风格所表达的图像。不幸的是，这个任务没有多标记的数据集.

基于单一标签数据定义多标签分类模型的场景在我看来并不太荒谬，但我仍然找不到任何解决这个问题的出版物或其他来源。

因此，我非常感谢任何关于如何处理这种情况的提示(例如，从可用的单标签数据集中以弱监督的方式派生多标记数据集)。

Answer 1

我将使用适合于多标记的损失(sigmoid激活/二进制交叉熵损失，而不是softmax激活/范畴交叉熵损失)来训练它。模型将给出每个标签的概率，因此如何在应用程序中解释它们由您自己决定。

尽管如此，一些多标签的问题主要是单一标签，少得多的双重标签，几乎没有超过这一标签。对于这样的问题，您可以尝试单标签模型，看看它是否比多标签模型更好。或有合奏:)

Answer 2

有两种可能的办法：

1. 将其视为一个监督学习问题，在每个图像上加上情绪/风格标签。
2. 应用主题建模将其作为一个无监督的学习问题来处理。每幅图像都有可能属于一个主题。然后用情绪/风格标记每一个话题。

Answer 3

如果您按照@andris建议的路线(您可能有的唯一选项)，多标签类仍然是任意的，并且您选择了概率切分。这似乎并没有增加真正的价值。