用于多标签航拍图像分类的关系网络

多标签分类在感知航拍图像复杂内容方面起着重要作用，并在过去几年中引发了若干相关研究。然而，其中大多数很少致力于挖掘标签关系，而这种依赖关系对于做出准确预测至关重要。尽管可以引入 LSTM 层以链式传播方式建模此类标签依赖，但当某些标签被错误推断时，其效率可能受到质疑。为此，我们提出了一种新颖的航拍图像多标签分类网络——注意力感知标签关系推理网络。具体而言，我们的网络由三个基本模块组成：1) 标签级特征分块学习模块，2) 注意力区域提取模块，以及 3) 标签关系推理模块。更具体地说，标签级特征分块学习模块用于提取高级标签特定特征；注意力区域提取模块旨在定位这些特征中的判别性区域并生成注意力标签特定特征；标签关系推理模块最终利用从前一模块输出中推理出的标签关系来预测标签存在性。所提网络的特点在于能够以无候选框的方式提取判别性标签级特征，并自然且可解释地推理标签关系。在实验中，我们在 UCM 多标签数据集和一个新构建的数据集 AID 多标签数据集上评估了所提模型。这两个数据集上的定量与定性结果证明了我们模型的有效性。为促进多标签航拍图像分类研究进展，AID 多标签数据集将公开提供。