ConceptLearner：从弱标注图像集合中发现视觉概念
计算机视觉与模式识别
2014-11-20 v1 人工智能
机器学习
摘要
从弱标注数据中发现视觉知识对于扩展计算机视觉识别系统至关重要，因为获取大量概念类别的完全标注数据成本高昂。本文提出了 ConceptLearner，这是一种从弱标注图像集合中发现视觉概念的可扩展方法。该方法自动学习数千个视觉概念检测器，无需人工介入进行额外标注。我们表明，这些学习到的检测器可应用于图像级概念识别以及图像区域级概念检测。在特定领域监督下，我们进一步在 SUN 数据库上评估了学习到的概念用于场景识别的性能，并在 Pascal VOC 2007 上评估了其用于目标检测的性能。与完全监督和弱监督方法相比，ConceptLearner 展现出令人期待的性能。
引用
@article{arxiv.1411.5328,
title = {ConceptLearner: Discovering Visual Concepts from Weakly Labeled Image Collections},
author = {Bolei Zhou and Vignesh Jagadeesh and Robinson Piramuthu},
journal= {arXiv preprint arXiv:1411.5328},
year = {2014}
}
备注
9 pages, 8 figures, 3 tables