融合高阶标签相关性的多标签分类方法

本发明公开了融合高阶标签相关性的多标签分类方法，其步骤包括：采用数据驱动的方式挖掘数据集中的标签共现信息来定义标签之间的相关性，构建标签超图；针对图像分类任务，选用深度残差网络(Residual Network，ResNet)作为主干提取网络对待识别的图像特征进行识别；在构建的标签超图上利用超图卷积层执行超图卷积操作提取超图上节点之间的高阶相关性，得到标签嵌入向量；将各超图卷积层输出的标签嵌入向量依次嵌入至主干特征提取网络的连接点处，同时采用LC操作将标签嵌入向量与主干特征提取网络连接点处的ResNet特征向量进行融合，从而利用高阶标签相关性引导图像特征的学习。本发明图像特征学习过程中能够感知并利用高阶标签相关性，从而实现多标签分类。