C-TMS多标签匹配网络

并行可扩展

用Transformer统一建模实例关系、类别依赖与标签共现，自适应完成多标签匹配选择。

Wu, Yanan · 冯松鹤 · Zhao, Gongpei · Jin, Yi

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

无需手工设计图结构

用自注意力自动学习节点表示，避免了预定义图结构的限制。

可扩展至大规模数据

Transformer的并行化能力使计算更高效，模型可扩展。

兼顾标签共现关系

利用交叉注意力挖掘实例-标签匹配，并解释标签如何依赖实例及与其他标签的交互。

应用场景

• 视觉物联网：大规模图像实时标注分类，节省人工。
• 多模态识别：融合视觉与其他模态，自动挖掘跨模态标签关联。
• 工业视觉质检：多标签检测缺陷类型，替代多组单类别分类器。
• 医学图像标签：自动标注多病变共存，辅助影像诊断。