图像分类是计算机视觉中最重要的领域之一。当根据层次结构或分类学排列多级图像分类问题时,层次多标签分类适用于较小的图像分类问题。因此,分层分类模式通常在每个实例上提供多个类预测,从而期望这些模式反映图像类的结构相互关联。在本文中,我们提出了用于分层分类的多标签胶囊网络(ML-CAPSNET)。我们的ML-CAPSNET根据分层类标签树结构预测多个图像类。为此,我们提出了一个损失函数,该函数考虑了网络的多标签预测。结果,我们的ML-CAPSNET的训练方法使用粗到细的范式,同时与标签层次结构中的分类水平保持一致。我们还使用广泛可用的数据集执行实验,并将模型与文献其他地方的替代方案进行比较。在我们的实验中,我们的ML capsnet在这些替代方法方面产生了改善的余地。
translated by 谷歌翻译