マルチラベル画像分類とは?
マルチラベル画像分類は、定義済みのラベル集合から、該当するすべてのラベルを一つの画像に割り当てます。単一ラベル分類とは異なり、クラスが互いに排他的であることを前提としません。
マルチラベル画像分類の仕組み
マルチラベル分類器は、相互に排他的な集合から一つの正解を強制的に選ぶのではなく、各ラベルの該当性を独立にモデル化します。モデルは候補ごとにスコアを出力し、アプリケーション固有のしきい値によって、割り当てるタグの集合に変換します。そのため、学習データには関連するすべての概念について正例のアノテーションと、未知または未記入のラベルを扱う方針が必要です。メディアパイプラインでは、結果を検索や振り分けの充実に活用できますが、メタデータの信頼性は、スコアのキャリブレーションと分類体系の管理によって決まります。
要点
- 複数のクラスが同時に正例となり得るため、シグモイド出力とラベルごとの二値損失を組み合わせる方法が一般的です。一方、ソフトマックスではスコアが互いに競合します。
- ラベルによって出現頻度、誤りのコスト、スコアのキャリブレーションが異なる場合、全体で一つのしきい値を使うよりも、クラスごとにしきい値を設定するほうが良い結果を得られることがあります。
- 未記入のラベルが真の負例とは限りません。不完全なアノテーションによって、モデルが本来該当する概念を抑制するよう学習し、適合率の測定が歪む場合があります。
マルチラベル画像分類が重要になる場面
一つのメディア素材に、ビーチ、夕日、人物、屋外などの属性が同時に含まれる場合は、マルチラベル分類を選択します。しきい値は、ラベルの見落としと過剰な偽陽性のバランスを取る必要があります。