基于弹性网正则化的相关逻辑回归模型用于多标签图像分类
计算机视觉与模式识别
2019-04-18 v1 机器学习
摘要
本文提出了用于多标签图像分类的相关逻辑（CorrLog）模型。CorrLog 通过显式建模标签之间的成对相关性，将传统逻辑回归模型扩展至多标签场景。此外，我们提出利用弹性网正则化来学习 CorrLog 的模型参数，这有助于利用特征选择和标签相关性中的稀疏性，从而进一步提升多标签分类的性能。CorrLog 可以通过正则化最大伪似然估计进行高效（尽管是近似的）学习，并且具有与标签数量无关的良好泛化界。在基准数据集 MULAN scene、MIT outdoor scene、PASCAL VOC 2007 和 PASCAL VOC 2012 上，CorrLog 与 state-of-the-art 多标签分类算法相比，在多标签图像分类任务中表现出色。
引用
@article{arxiv.1904.08098,
title = {Correlated Logistic Model With Elastic Net Regularization for Multilabel Image Classification},
author = {Qiang Li and Bo Xie and Jane You and Wei Bian and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.08098},
year = {2019}
}