多倍相关多标签模型

训练提速且更准

同时捕捉视图内、跨视图和共识视图的多重相关性，在不牺牲分类性能的前提下显著降低训练时间。

朱昌明 · Jiyun, Zhao · 胡世哲 · Dong, Yilin · 曹磊 · Zhou, Fan · 石玉虎 · 魏莱 · 周日贵

Neural Computing and Applications 2023

技术优势

同时捕捉多重相关性

一次建模视图内、跨视图和共识视图的相关性，提升分类性能。

应用场景

• 多模态学习：为多模态数据统一建模不同视图间的相关性，提升下游任务性能。
• 图像分类：利用多视图图像特征提高分类准确率。
• 文本分类：融合文本的多个视图表示，增强分类鲁棒性。
• 多传感器融合：整合来自不同传感器的异构数据，提升融合后的预测性能。