深度序数分类的软标签方法：一项实验性综述

《IEEE Transactions on Knowledge and Data Engineering》：Soft labelling for deep ordinal classification: an experimental review

　　

摘要：

序数分类是一种标签遵循自然顺序的分类方法，由于其在年龄估计、医疗分级和质量评估等任务中的重要性，近年来受到了越来越多的关注，尤其是在深度学习领域。尽管深度序数分类方法的数量不断增加，但对其核心组成部分的全面实验分析仍然不足。本研究通过分析三个关键建模选择（损失函数、输出层和标记策略）的影响，对深度序数分类器进行了系统的评估。为了分析这些因素的影响，我们采用了一种统一的架构，并评估了1种名义型和19种序数型配置，这些配置是由两种损失函数、两种输出层和五种标记策略组合而成的。这些配置在12个不同的序数图像数据集上使用了六种性能指标进行评估，包括序数型和名义型指标。结果表明，序数输出层的性能始终优于softmax，而软标记通常可以提高模型的泛化能力。虽然分类交叉熵在名义型指标上的平均性能更好，但没有一种配置在所有数据集上都能取得最佳性能。统计分析表明，损失函数、输出层、标记策略和数据集之间存在显著的交互作用，这突显了需要根据具体任务调整方法论选择的必要性。这些发现为设计稳健的深度序数分类模型提供了宝贵的指导。