用于多标签分类的学习图像条件化标签空间
计算机视觉与模式识别
2021-01-28 v1
摘要
本工作解决多标签图像分类任务。受深度卷积神经网络（CNNs）在单标签视觉-语义嵌入方面巨大成功的启发，我们探索将这些模型扩展至多标签图像。具体而言，我们提出一种图像相关的排序模型，该模型根据标签与输入图像的相关性返回排序后的标签列表。与学习图像表示（即图像嵌入向量）的传统CNN模型不同，所开发的模型学习从图像到一种映射（即变换矩阵），以试图区分其相关与不相关标签。尽管我们的方法在概念上简单，但在公开基准数据集上的实验结果表明，所提模型在使用比其他多标签分类方法更少训练图像的情况下达到了最先进的性能。
引用
@article{arxiv.1802.07460,
title = {Learning Image Conditioned Label Space for Multilabel Classification},
author = {Yi-Nan Li and Mei-Chen Yeh},
journal= {arXiv preprint arXiv:1802.07460},
year = {2021}
}