标签属性

TagProp:用于图像自动标注的最近邻模型中的判别度量学习。图像自动标注是计算机视觉中一个重要的开放性问题。对于这个任务,我们提出了TagProp,一个经过区分训练的最近邻模型。利用加权最近邻模型预测测试图像的标签,利用标签训练图像。邻域权重基于邻域秩或距离。TagProp允许通过直接最大化训练集中标签预测的日志可能性来集成度量学习。以这种方式,我们可以最佳地组合涵盖图像内容不同方面的图像相似性度量集合,例如局部形状描述符或全局颜色直方图。我们还引入了一个词特定的sigmoidal调制加权邻居标记预测,以提高稀有词的召回率。我们研究了模型的不同变体的性能,并与现有的工作进行了比较。我们给出了三个具有挑战性的数据集的实验结果。与目前最先进的技术相比,TagProp在这三个方面都有显著的改进。


zbMATH参考文献(13篇文章引用)

显示第13至第13个结果。
按年份排序(引用)

  1. 葛红伟;阎泽航;窦靖;王震;王志强:基于图嵌入和多视图非负矩阵分解的半监督图像自动标注框架(2018)
  2. 刘伟伟,曾伟伟;曾爱佛W.:在超高特征和标签维度下使决策树可行(2017)
  3. 臧、苗;徐惠民;张永梅:基于核的多视点联合稀疏编码图像标注(2017)
  4. Hamid Amiri,S.;Jamzad,Mansour:用于可伸缩图像注释的超图高效多模式融合(2015)
  5. 龚云超;柯启法;伊萨德,迈克尔;拉泽布尼克,斯维特拉娜:一个多视图嵌入空间,用于建模互联网图像、标签及其语义(2014)ioport公司
  6. Guillaumin,Matthieu;Küttel,Daniel;Ferrari,Vittorio:带分段传播的ImageNet自动注释(2014)ioport公司
  7. 王梅;夏晓玲;乐佳金;周向东:基于综合判别和生成模型的有效自动图像标注(2014)ioport公司
  8. 李泽超;刘晶晶;徐长生;卢汉青:MLRank:图像标注的多相关学习排序(2013)
  9. Mcauley,Julian J.;Ramisa,Arnau;Caetano,Tibério S.:弱标记图像分类的鲁棒损失函数优化(2013)
  10. Guillaumin,Matthieu;Mensink,Thomas;Verbeek,Jakob;Schmid,Cordelia:基于字幕的监督的人脸识别(2012)
  11. Miao,Xu;Rao,Rajesh P.N.:使用大边距sigmoid信念网络的快速结构预测(2012)
  12. Dimitrovski,Ivica;Kocev,Dragi;Loskovska,Suzana;Džeroski,Sašo:医学图像的层次注释(2011)ioport公司
  13. Jason Weston;Samy Bengio;Usonier,Nicolas:《大规模图像注释:学习与联合词图像嵌入排序》(2010)ioport公司