基于神经激活的自动属性发现
计算机视觉与模式识别
2016-07-26 v1
摘要
机器如何在没有明确监督数据集的情况下，学会识别在线社区中涌现的视觉属性？本文提出了一种自动方法，从网络上带有噪声的图像-文本数据中发现并分析视觉属性。我们的方法基于属性与深度网络中神经激活之间的关系。我们将属性词的视觉特性刻画为弱标注图像集内的散度。我们证明，神经激活有助于从嘈杂的真实世界网络数据中发现并学习一个与人类感知高度一致的分类器。实证研究表明，深度神经网络的层次结构也为我们提供了关于给定词语感知深度的见解。最后，我们展示了可以利用高度激活的神经元来寻找语义相关的区域。
引用
@article{arxiv.1607.07262,
title = {Automatic Attribute Discovery with Neural Activations},
author = {Sirion Vittayakorn and Takayuki Umeda and Kazuhiko Murasaki and Kyoko Sudo and Takayuki Okatani and Kota Yamaguchi},
journal= {arXiv preprint arXiv:1607.07262},
year = {2016}
}
备注
ECCV 2016