다중 레이블 분류
다중 레이블 분류는 각 인스턴스가 여러 레이블과 연관될 수 있는 지도 학습 문제의 한 유형입니다. 이는 단일 레이블 분류(즉, 다중 클래스 또는 이진 분류) 개념을 확장합니다. 다중 레이블 분류의 목표는 모델을 통해 주어진 입력 데이터에 대한 모든 가능한 레이블을 예측하는 것입니다. 이를 통해 분류의 정확성과 포괄성을 향상시킵니다. 이 작업은 컴퓨터 비전에서 중요한 응용 가치를 가지고 있으며, 복잡한 시나리오에서 다중 객체 인식 및 주석을 처리할 수 있습니다.
CheXpert
CFT (ensemble) Macao Polytechnic University
MS-COCO
Q2L-CvT(ImageNet-21K pretraining, resolution 384)
PASCAL VOC 2007
Q2L-CvT(ImageNet-21K pretrained, resolution 384)
NUS-WIDE
Q2L-CvT(resolution 384, ImageNet-21K pretrained)
OpenImages-v6
TResNet-L
ChestX-ray14
DensNet121
PASCAL VOC 2012
Q2L-TResL(448 resolution)
MLRSNet
ResNet50 (fine-tuning)
MRNet
MRNet
MIMIC-CXR
DensNet121