wordTree学习笔记

WordTree是一个词集之间的树形结构，通过语义范围确定节点上下级关系。
如：Norfolk terrier从上到下的节点依次为 physical object、animal、mammal、hunting dog、terrier、Norfolk terrier。语义范围从大到小。
使用WordTree结构预测时，每个节点下的所有子节点，构成了一个同义词集，对所有的同义词集求softmax得到的就是条件概率。
使用条件概率公式可以得到实际概率，例如：
$$Pr(Norfolkterrier)=Pr(Norfolkterrier|terrier)\ast Pr(terrier|huntingdog)\ast Pr(mammal|animal)\ast Pr(animal|physicalobject)$$

分类时假设图像有一个物体
即 $Pr(physicalobject)=1$
这样再输出时可以根据阈值选择输出的层级，如上式中，预测时，后面条件概率较低，可以只输出dog而不必输出更小的层级类别。
训练时，扩展为多label，从wordTree中当前节点开始，向上所有层级的父节点都成为此样本的label。如一个label为Norfolk terrier，它同时获得dog、mammal等label。

示意图如下：

来源：yolo9000