weixin_44261106的博客

由于最近的在Partial-Label的领域有一篇基于对比学习PiCo的文章发布，对于其中的消除歧义的策略十分感兴趣，而对比学习在多标签领域一直以来是个空白，这里做一下详细的解析。

LIFT: Multi-Label Learning with Label-Specific Features笔记整理背景这篇为论文是Label-Specific Features在多标签应用的开篇之作因为这篇文章较为简单，直入主题看作者如何构建标签具体的特征THE LIFT APPROACH首先这篇文章是一个first-order的多标签算法，意味着其没有考虑标签的相关性，而是一个标准的BR算法。因此作者将N个标签分开考虑。首先对于第k的标签，作者现将其分类正样本和负样本。之后作者利用聚类

Collaborative Learning of Label Semantic and Deep Label-Specific Features for Multi-Label Classification笔记整理首先这篇文章的介绍按照8部Idea总结法来进行阅读，培养自己的逻辑思维能力背景这篇论文的背景是Label-specific feature的方法来解决传统的多标签问题。其所用的数据集不是MS-COCO这种纯图片数据，而是MULAN这种Text数据。一个具体的研究问题大部分解决多标签的方