Two-Stream Transformer for Multi-Label Image Classification

计算机科学 上下文图像分类 多标签分类 语义鸿沟 帕斯卡(单位) 人工智能 语义学(计算机科学) 模式识别(心理学) 变压器 可视化 特征提取 机器学习 图像(数学) 图像检索 电压 物理 量子力学 程序设计语言
作者
Xuelin Zhu,Jiuxin Cao,Jiawei Ge,Weijia Liu,Bo Liu
标识
DOI:10.1145/3503161.3548343
摘要

Multi-label image classification is a fundamental yet challenging task in computer vision that aims to identify multiple objects from a given image. Recent studies on this task mainly focus on learning cross-modal interactions between label semantics and high-level visual representations via an attention operation. However, these one-shot attention based approaches generally perform poorly in establishing accurate and robust alignments between vision and text due to the acknowledged semantic gap. In this paper, we propose a two-stream transformer (TSFormer) learning framework, in which the spatial stream focuses on extracting patch features with a global perception, while the semantic stream aims to learn vision-aware label semantics as well as their correlations via a multi-shot attention mechanism. Specifically, in each layer of TSFormer, a cross-modal attention module is developed to aggregate visual features from spatial stream into semantic stream and update label semantics via a residual connection. In this way, the semantic gap between two streams gradually narrows as the procedure progresses layer by layer, allowing the semantic stream to produce sophisticated visual representations for each label towards accurate label recognition. Extensive experiments on three visual benchmarks, including Pascal VOC 2007, Microsoft COCO and NUS-WIDE, consistently demonstrate that our proposed TSFormer achieves state-of-the-art performance on the multi-label image classification task.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
LYQ完成签到 ,获得积分10
1秒前
李健的小迷弟应助haochi采纳,获得10
8秒前
qiancib202完成签到,获得积分10
15秒前
2316690509完成签到 ,获得积分10
15秒前
zozox完成签到 ,获得积分10
17秒前
乐瑶完成签到 ,获得积分10
20秒前
Hindiii完成签到,获得积分10
20秒前
haochi完成签到,获得积分10
20秒前
20秒前
夏日完成签到 ,获得积分10
24秒前
清风完成签到 ,获得积分10
25秒前
秦梦瑶瑶发布了新的文献求助10
26秒前
逆流的鱼完成签到 ,获得积分10
29秒前
29秒前
凌儿响叮当完成签到 ,获得积分10
29秒前
wwww完成签到 ,获得积分10
30秒前
量子星尘发布了新的文献求助10
30秒前
Tonald Yang完成签到 ,获得积分20
31秒前
优雅的平安完成签到 ,获得积分10
34秒前
小丸子完成签到 ,获得积分10
37秒前
丘比特应助秦梦瑶瑶采纳,获得10
37秒前
高挑的若雁完成签到 ,获得积分10
42秒前
不怕考试的赵无敌完成签到 ,获得积分10
44秒前
HXX19完成签到 ,获得积分10
45秒前
自由的无色完成签到 ,获得积分10
46秒前
刘三哥完成签到 ,获得积分10
49秒前
轩辕中蓝完成签到 ,获得积分10
52秒前
南风完成签到 ,获得积分10
53秒前
Acid完成签到 ,获得积分10
55秒前
汉堡包应助lihua采纳,获得10
58秒前
深情安青应助猪猪hero采纳,获得10
59秒前
跳跃小珍完成签到 ,获得积分10
1分钟前
ES完成签到 ,获得积分0
1分钟前
少年完成签到 ,获得积分10
1分钟前
jrzsy完成签到,获得积分10
1分钟前
Libgenxxxx完成签到,获得积分10
1分钟前
baoxiaozhai完成签到 ,获得积分10
1分钟前
磨刀霍霍阿里嘎多完成签到 ,获得积分10
1分钟前
wang完成签到 ,获得积分10
1分钟前
peiter发布了新的文献求助10
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Social Research Methods (4th Edition) by Maggie Walter (2019) 2390
A new approach to the extrapolation of accelerated life test data 1000
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 360
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4008738
求助须知:如何正确求助?哪些是违规求助? 3548380
关于积分的说明 11298823
捐赠科研通 3283051
什么是DOI,文献DOI怎么找? 1810290
邀请新用户注册赠送积分活动 885976
科研通“疑难数据库(出版商)”最低求助积分说明 811218