基于原型理论的物体全局语义描述
计算机视觉与模式识别
2021-07-08 v4 人工智能
摘要
本文受原型理论基础的启发，引入了一种新颖的语义描述方法。我们提出了一种计算原型模型（CPM），该模型编码并存储物体类别的中心语义含义：语义原型。此外，我们引入了一种基于原型的描述模型，在使用我们的 CPM 模型描述物体特征的同时编码其语义含义。我们的描述方法利用由 CNN 分类模型计算的语义原型来创建判别性签名，描述一个物体并突出其在类别中最具区分性的特征。我们的实验表明：i) 我们的 CPM 模型（语义原型 + 距离度量）能够描述物体类别的内部语义结构；ii) 我们的语义距离度量可理解为物体在类别内的视觉典型性分数；iii) 我们的描述子编码具有语义可解释性，并且在聚类和分类任务中显著优于其他图像全局编码。
引用
@article{arxiv.1906.03365,
title = {Global Semantic Description of Objects based on Prototype Theory},
author = {Omar Vidal Pino and Erickson Rangel Nascimento and Mario Fernando Montenegro Campos},
journal= {arXiv preprint arXiv:1906.03365},
year = {2021}
}
备注
Content: 24 pages (22 + 2 reference) with 15 Figures and 3 Tables. In the future, a new version will be updated with other experiments and results (and a journal reference if applicable)