IJCAIJul, 2018

基于知识嵌入的细粒度图像识别表征学习

PDF
TL;DR本文提出了一个知识图谱和门控图神经网络相结合的框架，名为知识嵌入表示学习框架，用于处理细粒度图像识别问题，并在广泛使用的 Caltech-UCSD 鸟数据集上进行了大量实验，证明了该框架超越现有的最先进方法。
fine-grained image recognitionneural network architecturesknowledge-embedded representation learningvisual concept organizationcaltech-ucsd bird dataset
发现论文，激发创造
  • 基于知识引导的多标签少样本学习在通用图像识别中的应用

    本文提出了一种基于知识图谱和深度神经网络的多标签图像识别框架，利用先验统计信息辅助多标签分析，减少对训练样本的依赖，并在传统多标签图像识别、少样本学习等领域取得了优于现有最先进方法的显著成果。

    Sep, 2020

  • 用大型语言模型实现细粒度视觉识别的民主化

    使用大型语言模型作为代理，FineR 在语义细分类别推理方面体现出更好性能，优于几种先进的 FGVR 和语音与视觉助手模型，并展示了在野外和新领域中工作的潜力。

    Jan, 2024

  • 利用分层语义嵌入进行精细化表示学习和识别

    通过 Hierarchical Semantic Embedding (HSE) 框架在深层神经网络中整合不同层级的类别预测，从而实现对复杂图像的精细分类，该方法优于基线模型和现有竞争对手，可以应用于精细图像识别领域。

    Aug, 2018

  • 知识图谱和预训练语言模型增强的对话式推荐系统表示学习

    利用对话历史和自然语言交互，通过知识增强的实体表示学习框架（KERL）来改善对话型推荐系统的语义理解和推荐效果。

    Dec, 2023

  • 学习细粒度视觉描述的深度表示

    本文提出了使用神经语言模型来克服零 - shot 视觉识别中属性的局限性，并取得了在文本图像检索精度和零 - shot 分类准确率上的显著性提升。

    May, 2016

  • 为细粒度特征表征嵌入标签结构

    本文提出了一种多任务学习框架，同时优化分类和相似性约束，将标签结构（如层次结构或共享属性）嵌入到框架中以建模多级相关性，从而实现精细的特征表示，并在细粒度数据集上得到了非常竞争的性能。

    Dec, 2015

  • 基于图像的知识表示学习

    本文提出了一种名为 IKRL 的图像化知识表示学习模型，利用实体图片提供的视觉丰富的信息作为辅助，经过三元组和图片的双重信息进行知识表示的学习，在知识图谱完成和三元组分类上表现出了优越性。

    Sep, 2016

  • 使用知识图谱进行视觉迁移学习的调查

    本文综述了利用知识图谱的视觉迁移学习方法，着重分析知识图谱的建模结构、特征提取和知识图嵌入方法，并介绍了四种知识图谱与深度学习管道的组合方式。同时，提供了评估基准、处理数据集和基于知识图谱的辅助知识类型的概述。未来的研究应着眼于挖掘面临的挑战和开放问题。

    Jan, 2022

  • 基于知识感知的分层图模型进行细粒度信息建模，用于零样本实体检索

    提出了 GER：一个图增强型架构以获取零样本实体检索任务中更加精细的信息，并使用分层图注意力网络避免中心实体节点的图信息瓶颈，实验证明 GER 模型在常见基准测试中优于现有最先进模型。

    Nov, 2022

  • 知识图谱嵌入的持续学习

    本文介绍了一种基于连续学习方法的增量知识图嵌入技术，弥补了现有嵌入技术只能处理先前已知概念的局限性，并提供了一些在知识图嵌入技术和机器人应用之间进行权衡的洞见。

    Jan, 2021