在2021年CVPR上接受! 重新标记ImageNet:从单标签到多标签,从全局标签到本地标签 重新标记ImageNet的PyTorch官方实施| | ,洪城俊哦,Byeongho许,Dongyoon汉,Junsuk崔,Sanghyuk春 海军实验室 抽象的 ImageNet可以说是最受欢迎的图像分类基准,但它也是一种带有明显标签噪声的基准。 最近的研究表明,尽管被认为是单标签基准,但许多样本仍包含多个类别。 因此,他们提出了将ImageNet评估转变为多标签任务的方法,每个图像都使用详尽的多标签注释。 但是,他们可能没有固定培训集,这可能是因为注释成本巨大。 我们认为,单标签注释和有效多标签图像之间的不匹配在采用随机作物的训练设置中同样(甚至更多)存在问题。 使用单标签注释,图像的随机裁剪可能包含与地面真实情况完全不同的对象,从而在训练期间引入了嘈杂甚至不正确的监控。 因此,我们用多标