Image-level的自我理解以及问题咨询，恳请指导

[zhenbangW]

在论文中提到的object-to-scene correlation loss如下图所示，P被描述为“the image-level label that notifies which categories appear in the image or which is a zero/one paradigm”，我不太理解这个P的具体细节，是描述一幅图像存在几个类别？还是一幅图像完全像素级别分类？我目前的理解是，如果总任务共3个类别，但一幅图像中只存在2个类别时，该图像对应的image-level是：[[1,0,0],[0,1,0],[0,0,0]]，不知道是否正确。希望能得到您的指导，谢谢！