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
littleE完成签到 ,获得积分10
1秒前
云瑾应助口口采纳,获得10
1秒前
啦啦啦~完成签到,获得积分10
2秒前
2秒前
成是非完成签到,获得积分10
3秒前
所所应助仁爱的雁芙采纳,获得10
3秒前
冷静水蓝发布了新的文献求助10
3秒前
Lex完成签到 ,获得积分10
7秒前
7秒前
8秒前
在水一方应助高兴冬灵采纳,获得10
8秒前
然而完成签到 ,获得积分10
9秒前
冷静水蓝完成签到,获得积分10
9秒前
英俊的鱼完成签到,获得积分10
14秒前
16秒前
hygge完成签到,获得积分10
19秒前
Yara.H完成签到 ,获得积分10
19秒前
不配.应助yuzhanli采纳,获得10
20秒前
xc41992发布了新的文献求助10
21秒前
生动丹珍完成签到 ,获得积分10
21秒前
嘘xu完成签到 ,获得积分10
22秒前
机智的曼易完成签到 ,获得积分10
22秒前
喵拟吗喵完成签到,获得积分10
22秒前
22秒前
叼面包的数学狗完成签到 ,获得积分10
23秒前
24秒前
冷静水蓝发布了新的文献求助10
25秒前
26秒前
wanghaowen完成签到,获得积分10
26秒前
MRIFFF发布了新的文献求助30
27秒前
guoguo完成签到 ,获得积分10
28秒前
Unlung发布了新的文献求助10
28秒前
29秒前
好好发布了新的文献求助10
30秒前
汉堡包应助九珥采纳,获得10
31秒前
研友_8K2QJZ完成签到,获得积分10
31秒前
xsq86发布了新的文献求助10
32秒前
赘婿应助Sarah采纳,获得10
33秒前
yuzhanli完成签到,获得积分10
33秒前
研友_8K2QJZ发布了新的文献求助10
34秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 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 3137206
求助须知:如何正确求助?哪些是违规求助? 2788244
关于积分的说明 7785188
捐赠科研通 2444219
什么是DOI,文献DOI怎么找? 1299854
科研通“疑难数据库(出版商)”最低求助积分说明 625606
版权声明 601011