稀有标签判别特征网络

多视图稀有标签识别

解耦共享与私有特征，并通过稀有标签偏置提升低频标签的识别能力。

Zhao, Dawei · Yuelong, He · Li, Hong · 高伟清 · 竺德

Knowledge-Based Systems 2026

技术优势

不掩盖私有特征

解耦共享与私有特征，避免多视图共识信息掩盖视图特有特征，从而改善稀有标签识别。

特征更具判别性

引入层次对比损失，通过跨视图负样本比较增大两类特征差异，同时利用监督标签强化同类样本的语义一致性。

强调私有判别力

多视图共享特征判别机制在聚合一致性信息的同时，对私有特征重新加权以突出其判别作用。

稀有标签不难识别

双流模块在决策层融合共享和私有预测，并加入稀有标签偏置，提升低频标签识别性能。

应用场景

• 多标签图像分类：为图像同时打上多个标签，并提升稀有标签的识别率。
• 缺失视图学习：在视图不完整的情况下仍能利用共享与私有特征进行分类。
• 小样本识别：通过稀有标签偏置增强对低频类别的识别能力。