从图片中提取有意义属性的最佳方法是什么？

自动属性发现方法在从图像或视频中提取视觉属性集以用于各种任务方面日益流行。尽管这些方法在某些分类任务中表现良好，但很难评估它们发现的属性是否有意义，以及哪种方法最适合发现用于视觉描述的属性。最简单的评估形式是手动验证是否存在任何一致的可识别视觉概念来区分由某个属性标记的正例和负例。这种手动检查繁琐、昂贵且劳动密集。此外，不同方法之间的比较也可能存在问题，因为不清楚如何定量地判定哪个属性比其他属性更有意义。在本文中，我们提出了一种新颖的属性有意义性度量来解决这一具有挑战性的问题。利用该度量，可以对属性集进行自动定量评估，从而减少进行手动评估的巨大工作量。我们将所提出的度量应用于四个带有属性标签的数据集上的一些近期自动属性发现和哈希方法。为了进一步验证所提方法的有效性，我们进行了一项用户研究。此外，我们还将我们的度量与一种使用概率PCA混合的半监督属性发现方法进行了比较。在评估中，我们收集了一些可能有助于开发新的自动属性发现方法的见解。