Multi-Label Image Recognition with Graph Convolutional Networks

计算机科学 模式识别(心理学) 图形 人工智能 多标签分类 可视化 集合(抽象数据类型) 图像(数学) 视觉对象识别的认知神经科学 卷积神经网络 对象(语法) 理论计算机科学 程序设计语言
作者
Zhao-Min Chen,Xiu-Shen Wei,Peng Wang,Yanwen Guo
出处
期刊:Cornell University - arXiv 被引量:60
标识
DOI:10.48550/arxiv.1904.03582
摘要

The task of multi-label image recognition is to predict a set of object labels that present in an image. As objects normally co-occur in an image, it is desirable to model the label dependencies to improve the recognition performance. To capture and explore such important dependencies, we propose a multi-label classification model based on Graph Convolutional Network (GCN). The model builds a directed graph over the object labels, where each node (label) is represented by word embeddings of a label, and GCN is learned to map this label graph into a set of inter-dependent object classifiers. These classifiers are applied to the image descriptors extracted by another sub-net, enabling the whole network to be end-to-end trainable. Furthermore, we propose a novel re-weighted scheme to create an effective label correlation matrix to guide information propagation among the nodes in GCN. Experiments on two multi-label image recognition datasets show that our approach obviously outperforms other existing state-of-the-art methods. In addition, visualization analyses reveal that the classifiers learned by our model maintain meaningful semantic topology.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
思源应助小熊维尼采纳,获得10
1秒前
孟韩完成签到,获得积分10
2秒前
沉静小蚂蚁完成签到,获得积分10
3秒前
Serena510完成签到 ,获得积分10
3秒前
Tao完成签到,获得积分10
4秒前
Docyongsun完成签到,获得积分10
4秒前
agility完成签到,获得积分10
4秒前
健康的青槐完成签到 ,获得积分10
4秒前
科科关注了科研通微信公众号
7秒前
8秒前
9秒前
如意枫叶发布了新的文献求助10
12秒前
Jasper应助冷酷的雁菡采纳,获得10
12秒前
YC_Kao完成签到,获得积分10
13秒前
14秒前
15秒前
兴奋的胡桃完成签到 ,获得积分10
16秒前
云风完成签到,获得积分20
17秒前
Dreamer完成签到,获得积分10
17秒前
18秒前
RBE小陈完成签到 ,获得积分10
19秒前
xzl完成签到 ,获得积分0
22秒前
科目三应助年轻的外绣采纳,获得10
24秒前
mayucong完成签到,获得积分10
25秒前
花生王子完成签到 ,获得积分10
25秒前
稳重的秋天完成签到,获得积分20
27秒前
李爱国应助ppplll采纳,获得10
28秒前
xul279完成签到,获得积分10
34秒前
35秒前
61414完成签到,获得积分20
36秒前
善学以致用应助APHOLY采纳,获得10
37秒前
小泉完成签到,获得积分10
38秒前
61414发布了新的文献求助10
40秒前
个性的紫菜应助卡农采纳,获得50
41秒前
安替比林关注了科研通微信公众号
41秒前
42秒前
45秒前
不配.应助灵巧金毛采纳,获得10
45秒前
坚定的剑心完成签到,获得积分10
46秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
A Dissection Guide & Atlas to the Rabbit 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3082501
求助须知:如何正确求助?哪些是违规求助? 2735655
关于积分的说明 7538441
捐赠科研通 2385263
什么是DOI,文献DOI怎么找? 1264761
科研通“疑难数据库(出版商)”最低求助积分说明 612786
版权声明 597665