一张排水管道图像中可能同时存在变形、渗漏等多种缺陷。针对现有卷积神经网络（CNN）忽略标签关系，难以准确检测多标签管道图像的问题，引入图卷积网络（GCN）建模不同缺陷标签的关系，提出了一种基于改进标签图的GCN管道缺陷检测模型（ILG-GCN）。首先，ILG-GCN模型在原有CNN模型的基础上引入GCN模块，GCN利用标签图迫使具有共生关系的标签分类器相互接近，获得保持语义拓扑结构的分类器，从而提高预测共生标签的概率。其次，改进GCN模块更新节点信息时使用的标签图，改进后的标签图根据每种缺陷主要相关标签的共生强度计算自适应的标签共生概率，并根据主要相关标签的共生强度为其分配不同的权值。实验结果表明，所提模型的总体平均准确率为95.6%，能够准确检出同时存在的多种管道缺陷。

提出一种基于多视角低秩表征的短视频多标签分类模型。该模型将低秩表征和多标签学习结合到同一框架中,利用不同类型特征的一致性学习本征稳定的低秩表示。同时为了获得标签相关性的潜在表示,构建了标签相关性学习项来自适应地捕获标签的相关性矩阵。此外,模型利用监督信息进一步提高了其表征能力。大量的实验结果证实了所提方法的优越性。