multi-label image recognition | BriefGPT

关键词multi-label image recognition

搜索结果 - 12

基于 LLM 增强的提示调整的无数据多标签图像识别
提出了一种无需训练数据的多标签图像识别新框架，利用预训练大型语言模型（LLM）的知识学习提示，使预训练的视觉 - 语言模型（VLM）如 CLIP 适应多标签分类。通过向 LLM 提问获取关于对象的特性和背景的综合知识，为学习提示提供宝贵的文
PDF4 months ago
PVLR：基于提示的视觉语言表示学习用于多标签图像识别
在这篇论文中，我们提出了一种 Prompt-driven Visual-Linguistic Representation Learning（PVLR）框架，通过双提示策略和交互融合模块，更好地利用了语言模型的能力，以提高多标签图像识别的性
PDF5 months ago
GKGNet: 组群 K 最近邻基于图卷积网络的多标签图像识别
我们提出了第一个完全基于图卷积的模型，Group K-nearest neighbor based Graph convolutional Network (GKGNet)，该模型能够在图结构中灵活统一地建模语义标签嵌入和图像补丁之间的连接
PDF10 months ago
DualCoOp++：有限标注下快速、高效的多标签识别适应性
在低标签情况下，利用预训练的图文特征对部分类别和零样本多标签识别进行了高效准确的建模和优化，通过引入证据引导的双重上下文优化 (DualCoOp++) 框架，分别对目标类别的证据、正例和反例进行编码，提高了在低样本情况下目标类别的区分度和相
PDFa year ago
单正多标签识别语义对比自举
本研究提出了一种基于语义对比引导的递归语义掩蔽转换器和引导框架，用于解决多标签图像识别中单一正标签的困难问题，通过迭代优化网络参数和细化语义指导，显著提高了多标签图像识别的性能。
PDFa year ago
AAAI基于语义感知的表示混合技术与部分标签的多标签图像识别
通过语义感知表示混合框架，将分类任务中已知数据中的信息迁移到未知数据中，进而提高多标签图像识别的性能。
PDF2 years ago
AAAI使用部分标签进行多标签识别的结构化语义转移
提出了一种结构化的语义转移（SST）框架，用于训练多标签识别模型，其特点是仅知道某些标签而丢失了其他标签。该框架包括两个互补的转移模块，探索图像内部和跨图像的语义相关性，以生成未知标签的伪标签，并使用已知和生成的标签来训练多标签识别模型。实
PDF3 years ago
ICCV残差注意力：一种简单但有效的多标签识别方法
提出了一种简单且有效的类别特定残差注意力模块（CSRA）来捕捉每个类别中不同物体占据的不同空间区域，该模块在许多不同的预训练模型和数据集上显著提高了多标记识别的最新成果。
PDF3 years ago
ECCV基于注意力机制的动态图卷积神经网络用于多标签图像识别
本文提出了一种基于动态图卷积神经网络 (D-GCN) 和语义注意力模块 (SAM) 的注意力驱动动态图卷积网络 (ADD-GCN) 来消除训练数据中标签共现对模型泛化性能的影响，实现图像特征的提取和标签识别任务，并且在公共多标签基准测试中的
PDF4 years ago
学习发现多类别注意力区域用于多标签图像识别
本文提出了一种简单而高效的双流框架方法，使用全局图像到局部区域的方法识别多类别目标，并提出了多类关注区域模块（MCAR）来解决关注区域数量过多，生成复杂问题，这种方法仅使用图像语义就可以创建新的最佳结果，并在不同因素下进行了广泛的展示。
PDF4 years ago
CVPR基于图卷积网络的多标签图像识别
提出了一种基于图卷积网络的多标签分类模型，通过建立对象标签之间的图，学习一个对相互依赖的物体分类器的表示，同时使用重新加权的方法来创建有效的标签相关矩阵以指导 GCN 中节点之间的信息传播，在两个多标签图像识别数据集上实验证明了方法的有效性
PDF5 years ago
ICCV基于循环发现注意力区域的多标签图像识别
本文提出了一种利用深度学习技术中的循环记忆 - 关注模块来实现图像多标签分类识别的新方法。通过不使用候选区域提取方法，从卷积特征图中定位注意区域，并使用 LSTM 子网络对这些区域进行语义标记和全局依赖性的序列预测。试验表明该方法在识别准确
PDF7 years ago