æ¦‚çŽ‡éƒ¨åˆ†å¤šæ ‡ç¾å¦ä¹
原文约300字，阅读约需1分钟。发表于：。这篇论文介绍了一种新颖的概率方法，名为 Partial Multi-label Learning（部分多标签学习），在这种方法中，每个训练实例对应一组候选标签，其中只有一部分是正确的；与现有方法相比，它不需要次优的消岐，因此可以应用于任何深度架构；在人工和真实数据集上进行的实验证明，Partial Multi-label Learning 在候选集中噪声高的情况下表现出色，优于现有方法。
本研究提出了一种新的部分标签学习设置，使用深度神经网络PLMCL同时学习对部分标注和未标注的训练图像具有信心的伪标签。实验结果显示该方法在多标签分类中表现更好。
