基于多任务学习的新闻封面评估
计算机视觉与模式识别
2019-07-19 v2
摘要
在线个性化新闻产品需要为文章配备合适的封面。新闻封面要求具有高图像质量，同时吸引读者注意，由于该任务的主观性，这极具挑战性。在本文中，我们从图像清晰度和对象显著性角度评估新闻封面。我们提出了一种端到端多任务学习网络，用于同时进行图像清晰度评估和语义分割，其结果可指导新闻封面评估。所提网络基于改进的 DeepLabv3+ 模型。网络骨干用于多尺度空间特征提取，随后分别通过两个分支进行图像清晰度评估和语义分割。实验结果表明，所提模型能够捕捉图像中的重要内容，并在我们提出的基于游戏内容的 CIA 数据集上优于单任务学习基线。
引用
@article{arxiv.1907.07581,
title = {News Cover Assessment via Multi-task Learning},
author = {Zixun Sun and Shuang Zhao and Chengwei Zhu and Xiao Chen},
journal= {arXiv preprint arXiv:1907.07581},
year = {2019}
}
备注
6 pages, 9 figures