标签依赖的对抗学习：一种多类分类新框架
机器学习
2018-11-13 v1 机器学习
摘要
近期工作表明，利用标签间关系可提升多标签分类性能。我们提出了一种基于生成对抗网络 (GANs) 建模标签依赖的新框架。判别器通过区分真实与生成的标签集来学习建模标签依赖。为欺骗判别器，分类器或生成器学习生成依赖关系接近真实数据的标签集。在两个大规模图像分类基准数据集（MS-COCO 与 NUS-WIDE）上的大量实验与对比表明，判别器提升了不同种类模型的泛化能力。
引用
@article{arxiv.1811.04689,
title = {Adversarial Learning of Label Dependency: A Novel Framework for Multi-class Classification},
author = {Che-Ping Tsai and Hung-Yi Lee},
journal= {arXiv preprint arXiv:1811.04689},
year = {2018}
}