大规模属性-物体组合
计算机视觉与模式识别
2021-05-25 v1
摘要
我们研究从图像中预测属性-物体组合的问题，及其对训练数据中缺失的未见组合的泛化。据我们所知，这是该问题的首个大规模研究，涉及数十万种组合。我们利用 Instagram 的图像并以标签(hashtag)作为含噪弱监督来训练框架。我们为数据收集与建模做出审慎的设计选择，以处理含噪标注与未见组合。最终，大量评估表明，学习组合分类器优于对单独属性与物体预测的后期融合，尤其在未见属性-物体对的情况下。
引用
@article{arxiv.2105.11373,
title = {Large-Scale Attribute-Object Compositions},
author = {Filip Radenovic and Animesh Sinha and Albert Gordo and Tamara Berg and Dhruv Mahajan},
journal= {arXiv preprint arXiv:2105.11373},
year = {2021}
}