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
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
Singularity应助小白采纳,获得10
刚刚
虚幻的安柏完成签到,获得积分10
1秒前
和谐平蝶完成签到,获得积分10
2秒前
大个应助糟糕的富采纳,获得10
3秒前
3秒前
ffchen111发布了新的文献求助10
3秒前
4秒前
若狂发布了新的文献求助10
4秒前
4秒前
好好学习的大大莹完成签到,获得积分10
5秒前
魯蛋完成签到,获得积分10
7秒前
wonhui发布了新的文献求助20
7秒前
zhang发布了新的文献求助10
8秒前
WW发布了新的文献求助10
8秒前
8秒前
渣渣凡完成签到,获得积分10
9秒前
10秒前
11秒前
若狂完成签到,获得积分10
12秒前
贝壳完成签到,获得积分10
12秒前
12秒前
科研通AI2S应助九九九采纳,获得10
12秒前
12秒前
录录完成签到,获得积分20
13秒前
13秒前
13秒前
13秒前
14秒前
14秒前
共享精神应助李煜采纳,获得30
15秒前
whuhustwit发布了新的文献求助10
16秒前
打工人发布了新的文献求助10
16秒前
回水完成签到,获得积分10
16秒前
伟大的鲁路皇完成签到,获得积分10
16秒前
贝壳发布了新的文献求助10
17秒前
士多啤梨完成签到 ,获得积分10
17秒前
阳光完成签到,获得积分10
17秒前
悦耳静枫完成签到,获得积分10
17秒前
18秒前
方方发布了新的文献求助10
18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
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
Classics in Total Synthesis IV 400
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 3145597
求助须知:如何正确求助?哪些是违规求助? 2797033
关于积分的说明 7822546
捐赠科研通 2453369
什么是DOI,文献DOI怎么找? 1305607
科研通“疑难数据库(出版商)”最低求助积分说明 627514
版权声明 601464