摘要

大规模多标签分类数据集通常且不可避免地存在部分标注问题，即每个样本仅标注了少量标签。不同的缺失标签处理方法会赋予模型不同的特性，并显著影响其分类准确率。本文针对这一部分标注问题展开分析，并提出一种基于两个核心思想的解决方案。首先，对于未标注的标签，应根据两个概率量进行选择性处理：一是整个数据集中各类别的整体分布，二是特定样本对某一标签的预测可能性。我们提出利用一个专用的临时模型来估计类别分布，并证明该方法相较于仅依赖数据集部分标注信息进行的朴素估计，具有更高的效率与准确性。其次，在目标模型的训练过程中，我们引入一种专门设计的非对称损失函数，以强化已标注标签的贡献，同时弱化原始未标注标签的影响，从而提升模型对真实标签的识别能力。基于上述新方法，我们在 OpenImages 数据集上取得了当前最优的性能表现（例如在 V6 版本上达到 87.3 mAP）。此外，在 LVIS 和模拟 COCO 数据集上的实验进一步验证了该方法的有效性。相关代码已开源，地址为：https://github.com/Alibaba-MIIL/PartialLabelingCSL。