CNN: Single-label to Multi-label

Convolutional Neural Network (CNN)은 단일 라벨 이미지 분류 작업에서 유망한 성능을 입증했습니다. 그러나 CNN이 다중 레이블 이미지에 가장 잘 대처하는 방법은 주로 복잡한 기본 개체 레이아웃과 불충분 한 다중 레이블 훈련 이미지로 인해 여전히 열린 문제로 남아 있습니다. 이 작업에서 우리는 가설 -CNN- 풀링 (HCP)이라는 유연한 딥 CNN 인프라를 제안합니다. 여기서 임의의 수의 객체 세그먼트 가설을 입력으로 취한 다음 공유 CNN이 각 가설과 연결되고 마지막으로 CNN이 연결됩니다. 다양한 가설의 출력 결과는 최대 풀링으로 집계되어 궁극적 인 다중 레이블 예측을 생성합니다. 이 유연한 딥 CNN 인프라의 몇 가지 고유 한 특징은 다음과 같습니다. 1) 학습에 지상 진실..

원문링크 : CNN: Single-label to Multi-label