通过低秩分解并保持双重重建结构的图像标签补全
计算机视觉与模式识别
2014-06-10 v1 信息检索
摘要
本文提出了一种新颖的标签补全算法，其设计具有以下特点：1）低秩和误差稀疏性：将不完整的初始标签矩阵D分解为完整的标签矩阵A和稀疏误差矩阵E。然而，不是最小化其核范数，而是进一步将A分解为基矩阵U和稀疏系数矩阵V，即D=UV+E。这种封装稀疏编码的低秩公式使我们的算法能够从噪声初始数据中恢复潜在结构，并避免进行过多的去噪；2）局部重建结构一致性：为了引导D的补全，分别通过U和V获得并保留特征空间和标签空间中的局部线性重建结构。这种方案可以减轻由低级特征和不完整标签测量的距离的负面影响。因此，我们可以在尽可能利用信息和不被误导到次优性能之间寻求平衡。在Corel5k数据集和新发布的Flickr30Concepts数据集上进行的实验证明了所提出方法的有效性和效率。
引用
@article{arxiv.1406.2049,
title = {Image Tag Completion by Low-rank Factorization with Dual Reconstruction Structure Preserved},
author = {Xue Li and Yu-Jin Zhang and Bin Shen and Bao-Di Liu},
journal= {arXiv preprint arXiv:1406.2049},
year = {2014}
}