利用结构化语义相关性改进具有缺失标签的多标签学习

多标签学习最近在计算机视觉中引起了极大兴趣，在多个目标识别和自动图像标注等许多视觉任务中找到应用。将多个标签与复杂图像关联非常困难，不仅因为描述图像的复杂性，还因为观察到的标签的不完整性。现有工作要么忽略标签-标签和实例-实例相关性，要么假设这些相关性是线性且无结构的。考虑到图像之间的语义相关性实际上是结构化的，本文提出引入结构化语义相关性来解决多标签学习的缺失标签问题。具体地，我们用有效的语义描述子将图像投影到语义空间。然后在这些图像上构建语义图以捕获它们之间的结构化相关性。我们利用语义图拉普拉斯作为多标签学习公式中的平滑项以引入结构化语义相关性。实验结果证明了所提出的语义描述子的有效性和引入结构化语义相关性的有用性。我们在四个基准数据集上取得了比最先进的多标签学习方法更好的结果。