多标签分类相关 AI 资讯 · AI 热点

8月18日

10:03

10:03

官方账号arXiv cs.AI@Haadia Amjad, Ronald Tetzlaff

该论文研究了概念可解释AI（CXAI）在多标签分类任务中的适用性，使用VGG16和ResNet50在MS-COCO数据集中标注最多的20个标签上训练模型。作者应用CRP和CRAFT两种CXAI方法生成概念级解释，发现CXAI能揭示DNN的学习弱点、更高概念区分度可减少标签与概念混淆、环境概念暴露数据集偏差。结果表明CXAI有助于诊断数据集引发的偏见并理解模型泛化能力。

论文 CXAI 多标签分类 MS-COCO

推荐理由：这篇论文用VGG16和ResNet50跑MS-COCO，实测CRP和CRAFT两种解释方法，发现概念混淆和数据集偏见的具体规律，做可解释性研究值得看看。

8月14日

11:34

11:34

官方账号arXiv cs.LG@Mingyuan Zhang

该论文研究多标签分类中逐样本Jaccard分数（IoU）的校准维度。作者证明Jaccard损失、平移损失和普通损失矩阵均非奇异，损失列仿射维度为2^s−1。精确校准的凸校准维度满足2^{s−1} ≤ CCdim ≤ 2^s−1，因此任何精确校准的凸代理都需要指数多个预测坐标。针对固定误差容忍度，论文给出多项式维度近似：F1到Jaccard的转移在维度s^2+1下达到至多3−2√2的渐近遗憾；MinHash平方损失代理在维度O((s^2+s log(1/ρ))/α^2)下达到遗憾上界α。

论文 Jaccard MinHash 多标签分类

推荐理由：做多标签分类调Jaccard的同学看看：精确校准要指数维度，但固定误差容忍度有多项式解法，MinHash思路挺巧。

8月11日

11:10

11:10

官方账号arXiv cs.LG@Akash Gogineni, Nagur Shareef Shaik, Aasrith Mandava, Adnan Masood, Dong Hye Ye

C²A是一种新的分类头，将池化视为对学习到的每类空间注意力图的期望，为每种疾病生成局部描述符。它通过从经验标签共现初始化的可学习图耦合这些描述符，并用单次残差消息传递在相关发现间共享证据。在CheXpert上，C²A的宏平均AUROC达到0.895，优于先进上下文门控基线。增益集中在共现度高且空间证据模糊的类别上，如肺不张比GCG高出1.5个百分点，且仅增加一个线性投影和C×C边矩阵的开销。

论文 C²A CheXpert 多标签分类

推荐理由：胸片多标签分类老问题，C²A用共现先验加注意力，CheXpert上0.895 AUROC，比GCG强，开销还小，值得搞医学影像的看看。

7月15日

09:04

09:04

官方账号arXiv cs.LG@Alaa Almouradi, Erchan Aptoula

论文提出Label-Decoupled Style Augmentation框架，针对多标签遥感场景分类中的域泛化问题。该方法通过逐标签注意力和特征统计，将风格扰动限定在标签特定区域，并与共享标签的跨域样本混合。在UCM、AID、DFC15构建的多源基准上，最佳变体达到71.5%平均精度。相比经验风险最小化提升5.0个百分点，比最强全局统计基线高1.3个百分点，在最难迁移任务上提升达7.7个百分点。参数量仅增加0.35%，推断过程不变。

论文多标签分类域泛化遥感场景分类

推荐理由：这篇论文给多标签遥感域泛化提了个新思路，用标签解耦增强比全局统计强1.3个点，参数量几乎没加。

6月17日

11:35

11:35

官方账号arXiv cs.LG@Ahmed Ryan, Saad Sakib Noor, Md Erfan, Shaswata Mitra, Sudip Mittal, Md Rayhanur Rahman

该研究构建了包含2076条人工标注句子的数据集（1281条正样本、795条负样本），来自83份复杂的非结构化CTI报告，映射到114种ATT&CK技术。评估了7个开源LLM（参数规模8B至236B），最高micro-F1得分为0.22。参数大小与F1得分呈显著正相关，提示策略和温度设置无显著影响。结果表明当前开源LLM尚无法用于生产级ATT&CK分类。

论文 ATT&CK CTI MITRE

推荐理由：这篇论文造了2076条人工标注的CTI数据，测了7个开源大模型，结果最好的F1才0.22，说明开源模型在安全情报分析上还不够用。