CV计算机视觉（2）——图像分类中的多标签分类任务

多标签任务

每个图片有多个标签，而且标签个数不固定，如果一共有C类，那么每张图片最多可以有2的C次方个标签。其编码方式也可采用ONEHOT编码，只不过向量中有多个位置是1.

多标签任务VS单标签任务

1.每张图片的类别数不固定，单标签每张图片只对应一个类别，多标签每张图片对应多个类别，好比一个是单选，一个是不定项多选
2.多标签的类别之间可能有依赖关系，而这些依赖关系不一定是先验的
3.多标签的标注难度大
4.多标签的输出维度高

多标签任务的pytorch接口实现

#MULTI-LABEL
#multi-labelSoftmarginloss
outputs = torch.randn(10,5) #十张图片，5个类别
labels = torch.FloatTensor(10,3).random_(2) #不定项选择生成labels
print(labels)
my_BCEloss = torch.nn.BCELoss(reduction='mean')
my_multisoftmaxloss = torch.nn.MultiLabelSoftMarginLoss(reduction='mean')
print(my_BCEloss(outputs,labels))
print(my_multisoftmaxloss(outputs,labels))

可以看出，pytorch提供的多标签接口MultiLabelSoftMarginLoss和二分类接口的BCEloss是基于同一个数学公式的，他们的功能是完全相同的。