关于图片的多标签分类（1）

最近还在处理人脸附件（眼镜，刘海，口罩，帽子）的multi-label分类。给自己普及一下常识性问题：

1）什么是multi-label分类？

multi-label分类，常见一张图片中可以存在多个目标，如猫，狗，人。这样这张图片就有三个标签；

2）multi-label分类和multi-class 分类？

multi-class 分类，就是将多种类别的图片进行类别分类，与multi-label 分类样本相比较，multi-class 分类使用的每一张图片中只有1个类别，若图片中出现了其他类别，就要使用multi-label进行分类了；

3）对multi-label分类的评价指标有哪些？

• Mean average Precision(MAP)：对每个类别取得的precision取平均，就是ap值PR曲线下的面积，多个类别的ap取均值；
• 0-1 exact match :图片中所有标签都预测正确的图片才算作预测正确的图片：

N：代表所有的图片数量，1代表一个指示函数，若预测与ground truth结果相等，则指示函数返回为1，否则为0；

• Macro-F1：所有类别的F1-score的平均值：

C：所有类别数；：第c类的precision；