1 learning a deep convnet for multi-label classification with partial labels
深度學習在單標籤分類任務中表現很好，但是日常生活中的圖像本質上是多標籤的。多標籤分類比單標籤分類更困難，因爲輸入圖像和輸出標籤空間都更復雜。與單標籤相比，大規模收集乾淨的多標籤註釋更難。爲了降低標註成本，我們建議訓練帶有部分標籤的模型，即每個圖像只知道部分標籤。
setting：共三種1. 全標籤；2. 分類多標籤，圖片部分標籤缺失；3. 部分標籤有誤
https://zhuanlan.zhihu.com/p/58135763
2 HRNet
先前的分類將分辨率從高到低的卷積串行連接，HRNet則是並行連接。
高分辨率網絡 （High-Resolution Network，HRNet）
關於多分辨率表徵信息交換，這裏以三個分辨率輸入和三個分辨率輸出爲例，如圖4所示。每一個分辨率的輸出表徵都會融合三個分辨率輸入的表徵，以保證信息的充分利用和交互。將高分辨率特徵降到低分辨率特徵時，我們採用stride爲2的3x3卷積；低分辨率特徵到高分辨率特徵時，先利用1x1卷積進行通道數的匹配，再利用最近鄰插值的方式來提高分辨率。相同分辨率的表徵則採用恆等映射的形式。
https://www.jiqizhixin.com/articles/2019-05-22-8