多标签图像分类中基于图像级监督的空间正则化学习
计算机视觉与模式识别
2017-04-03 v2
摘要
多标签图像分类是计算机视觉中基础但具挑战性的任务。近年来，通过利用标签间的语义关系已取得巨大进展。然而，传统方法无法对多标签图像中标签间的底层空间关系建模，因为通常未提供标签的空间标注。本文中，我们提出一个统一的深度神经网络，仅利用图像级监督来挖掘标签间的语义与空间关系。给定多标签图像，我们提出的空间正则化网络（SRN）为所有标签生成注意力图，并通过可学习卷积捕获它们之间的底层关系。通过将正则化分类结果与 ResNet-101 网络的原始结果聚合，分类性能可得到持续提升。整个深度神经网络仅使用图像级标注进行端到端训练，因此无需额外的图像标注工作。在 3 个具有不同类型标签的公开数据集上的大量评估表明，我们的方法显著优于当前最优方法并具有强大的泛化能力。对学到的 SRN 模型的分析表明，它能有效捕获标签的语义与空间关系以提升分类性能。
引用
@article{arxiv.1702.05891,
title = {Learning Spatial Regularization with Image-level Supervisions for Multi-label Image Classification},
author = {Feng Zhu and Hongsheng Li and Wanli Ouyang and Nenghai Yu and Xiaogang Wang},
journal= {arXiv preprint arXiv:1702.05891},
year = {2017}
}