从策展媒体中进行弱监督的集体特征学习
计算机视觉与模式识别
2018-02-14 v1 多媒体
社会与信息网络
摘要
当前特征学习的最优方法依赖于对由目标内容项及其相应类别标签组成的大规模数据集的监督学习。然而，构建此类大规模全标注数据集通常需要费力的手工劳动。该问题的一个可能解决方案是使用社区贡献的文本标签作为弱标签，但单个文本标签背后的概念强烈依赖于用户。我们转而提出一种通过充分利用社交网络服务（SNSs）上的人工策展过程来学习判别性特征的新范式。在内容策展过程中，SNS 用户从各种来源手动收集内容项并按上下文分组，全为自身之便。由于该过程的本质，我们可以假定（1）同一组内的内容项共享相同的语义概念，以及（2）共享相同图像的组可能具有相关的语义概念。通过这些洞见，我们可以将人工策展组定义为弱标签，我们提出的框架可从中学习判别性特征，作为用户在创建组时所意图的语义概念空间中的表示。我们表明该特征学习可表述为二部图的链接预测问题，其节点对应于内容项和人工策展组，并提出了一种基于稀疏编码或网络微调的特征学习新方法。
引用
@article{arxiv.1802.04668,
title = {Weakly supervised collective feature learning from curated media},
author = {Yusuke Mukuta and Akisato Kimura and David B Adrian and Zoubin Ghahramani},
journal= {arXiv preprint arXiv:1802.04668},
year = {2018}
}
备注
Published in the Proceedings of AAAI Conferenrence on Artificial Intelligence (AAAI2018)