Papers with Code · CC BY-SA 4.0

Multi-Label Classification

405 평가 기록 37 datasets

Multi-Label Classification is the supervised learning problem where an instance may be associated with multiple labels. This is an extension of single-label classification (i.e., multi-class, or binary) where each instance is only associated with a single class label.

<span class="description-source">Source: Deep Learning for Multi-label Classification </span>

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode

CheXpert

CFT (ensemble) Macao Polytechnic University

AVERAGE AUC ON 14 LABEL: 0.933

논문 코드

MS-COCO

ADDS(ViT-L-336, resolution 1344)

mAP: 93.54

논문 -

MIMIC-III

GKI-ICD

Macro-AUC: 96.2Micro-AUC: 99.3Macro-F1: 12.3Micro-F1: 61.2

논문 코드

PASCAL VOC 2007

Q2L-CvT(ImageNet-21K pretrained, resolution 384)

mAP: 97.3

논문 코드

NUS-WIDE

Q2L-CvT(resolution 384, ImageNet-21K pretrained)

MAP: 70.1

논문 코드

New York Times Annotated Corpus

HiDEC+HBM Loss

Micro F1: 80.52±0.18Macro F1: 70.69±0.19

논문 코드

RCV1-v2

HiDEC+HBM Loss

Micro F1: 87.81±0.09Macro F1: 71.47±0.20

논문 코드

MIMIC-IV ICD-10

PLM-ICD

F1 Micro: 58.5F1 Macro: 21.1Exact Match Ratio: 0.4Precision@8: 69.9

논문 코드

MIMIC-IV ICD-9

PLM-ICD

F1 Micro: 62.6F1 Macro: 29.8Exact Match Ratio: 1.0Precision@8: 70.0

논문 코드

MIMIC-IV-ICD-10-full

MSMN

Macro-AUC: 97.07Micro-AUC: 99.61Macro-F1: 5.42Micro-F1: 55.91

논문 코드

MIMIC-IV-ICD10-top50

MSMN

F1 (micro): 74.15F1 (macro): 69.01AUC (Micro): 95.61AUC (Macro): 93.60

논문 코드

MIMIC-IV-ICD9-full

MSMN

F1 Micro: 61.15F1 Macro: 13.94Macro AUC: 96.79Micro AUC: 99.56

논문 코드

데이터셋

37개

CheXpert MS-COCO MIMIC-III PASCAL VOC 2007 NUS-WIDE New York Times Annotated Corpus RCV1-v2 MIMIC-IV ICD-10 MIMIC-IV ICD-9 MIMIC-IV-ICD-10-full MIMIC-IV-ICD10-top50 MIMIC-IV-ICD9-full

논문

Open Vocabulary Multi-Label Classification with Dual-Modal Decoder on Aligned Visual-Textual Features

2208.09562 2022-08-19 이 페이지의 평가 3건

mAP: 93.54

Do we still need ImageNet pre-training in remote sensing scene classification?

2111.03690 2021-11-05 이 페이지의 평가 2건

F1-score: 92.41

ML-Decoder: Scalable and Versatile Classification Head

2111.12933 2021-11-25 이 페이지의 평가 2건

mAP: 91.4

Query2Label: A Simple Transformer Way to Multi-Label Classification

2107.10834 2021-07-22 이 페이지의 평가 2건

mAP: 96.2

Combining Metric Learning and Attention Heads For Accurate and Efficient Multilabel Image Classification

2209.06585 2022-09-14 이 페이지의 평가 1건

mAP: 91.30

Deep Label Distribution Learning with Label Ambiguity

1611.01731 2016-11-06 이 페이지의 평가 1건

mAP: 92.4

Learning to Discover Multi-Class Attentional Regions for Multi-Label Image Recognition

2007.01755 2020-07-03 이 페이지의 평가 1건

mAP: 94.3

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

github.com/alibaba-miil/ml_decoder 1 논문

github.com/averyfallson/rmffn 1 논문

github.com/curt-tigges/query2label 1 논문

github.com/risojevicv/rssc-transfer 1 논문

github.com/SlongLiu/query2labels 1 논문

github.com/gaobb/DLDL 1 논문

github.com/gaobb/MCAR 1 논문

github.com/openvinotoolkit/deep-object-reid 1 논문

하위 태스크

HM Hierarchical Multi-label Classification 20 데이터셋 · 53 rows MC Medical Code Prediction 7 데이터셋 · 50 rows EM Extreme Multi-Label Classification 0 데이터셋 · 0 rows ML Missing Labels 0 데이터셋 · 0 rows