利用 Web 共现统计改进图像分类
计算机视觉与模式识别
2013-12-23 v2 机器学习
摘要
物体识别与定位是计算机视觉中的重要任务。本工作的重点在于引入上下文信息以改进物体识别与定位。例如，我们自然预期不会在海洋中央看到大象。我们考虑一种简单的方法，利用 Web 文档中的共现统计来封装此类常识知识。仅通过统计名词（如大象、鲨鱼、海洋等）在 Web 文档中共现的次数，我们就能很好地估计视觉数据中的预期共现情况。随后，我们将结合文本共现统计与基于图像的 classifier 预测的问题转化为一个优化问题。所得的优化问题作为我们推理过程的代理。尽管该优化问题形式简单，但它能有效提高识别与定位的准确率。具体而言，我们在 ImageNet Detection 2012 和 Sun 2012 数据集上均观察到了识别率和定位率的显著提升。
引用
@article{arxiv.1312.5697,
title = {Using Web Co-occurrence Statistics for Improving Image Categorization},
author = {Samy Bengio and Jeff Dean and Dumitru Erhan and Eugene Ie and Quoc Le and Andrew Rabinovich and Jonathon Shlens and Yoram Singer},
journal= {arXiv preprint arXiv:1312.5697},
year = {2013}
}