multi-label image classification | BriefGPT

关键词multi-label image classification

搜索结果 - 28

基于弱监督检测知识蒸馏的多标签图像分类
本文提出了一种基于深度学习并利用弱监督检测模型去除物体标注信息的多标签图像分类方法，该方法能有效提高性能并保持高效。实验证明该方法在两个大型数据集（MS-COCO 和 NUS-WIDE）上均优于现有的先进方法。
PDF6 years ago
NIPS基于显著性的序列图像关注与多集合预测
本文提出了一种基于视觉注意力模型的分层视觉架构，包括显著性图和注意机制，用于多标签图像分类。模型支持多集预测，通过强化学习进行训练，支持任意标签排列和一对多预测。实验结果表明，该模型可以实现高精度和高召回率的多标签图像分类和物体定位。
PDF7 years ago
AAAI集合基数和状态分布联合学习
我们提出了一种使用深度学习来学习预测集合的新方法。我们的方法通过联合学习目标集合的基数和状态分布来实现排列不变的集预测，证明了我们的方法在多标签图像分类任务上取得了最新的技术水平。
PDF7 years ago
端到端模型中的深度视角感知行人属性推断
本文介绍了一个基于端到端学习框架的人行属性推断方法，将其作为多标签图像分类任务，以此来处理属性之间的语义关系并在三个挑战性数据集上得到了显著提升。
PDF7 years ago
CVPRChestX-ray8: 医院规模的胸部 X 光数据库和关于常见胸部疾病弱监督分类和定位的基准测试
本文介绍了一个新的胸部 X 光数据库，名为 “ChestX-ray8”，其中包括 108948 个患者的 32,717 个独特患者的前瞻性 X 光图像和使用自然语言处理从相关放射学报告中提取的八个疾病图像标签。作者展示了这些常见的胸部疾病
PDF7 years ago
CVPR提高多标签图像分类的成对排名
本研究提出两种技术来改进基于成对排名的多标签图像分类：（1）我们提出了一种新的损失函数，平滑且容易优化；（2）我们将标签决策模块纳入模型，估算每个视觉概念的最优置信阈值。我们在三个大规模数据集（VOC2007、NUS-WIDE 和 MS-C
PDF7 years ago
利用图像级监督学习空间规则化的多标签图像分类
本文提出了一种统一的深度神经网络模型，旨在解决多标签图像分类中标签的空间关系的问题。同时，该模型能够有效地利用语义和空间关系来提高分类性能，且只需要使用图像级别的监督信息进行端到端训练。实验表明，该模型在多个公共数据集上均具有较强的泛化能力
PDF7 years ago
基于区域潜在语义相关性的多标签图像分类
本论文提出了一种区域潜在语义依赖模型，该模型使用卷积神经网络和递归神经网络相结合，能够有效预测多标签图像分类中小物体和视觉概念，同时不需要使用边框注释实现最佳性能。
PDF8 years ago