マルチラベル画像分類のためのグラフ注意変圧器ネットワーク【JST・京大機械翻訳】

Yuan Jin; Chen Shikai; Zhang Yao; Shi Zhongchao; Geng Xin; Fan Jianping; Rui Yong

プレプリント

J-GLOBAL ID：202202211781761325 整理番号：22P0300699

マルチラベル画像分類のためのグラフ注意変圧器ネットワーク【JST・京大機械翻訳】

Graph Attention Transformer Network for Multi-Label Image Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2024年01月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチラベル分類は,画像から複数のオブジェクトまたは属性を認識することを目的とする。しかし,そのようなラベル間相関や依存性を効果的に特性化するために,適切なラベルグラフから学ぶことは挑戦的である。現在の方法は,この相関をモデル化するための隣接行列として訓練セットに基づくラベルの共起確率をしばしば用いて,それはデータセットによって大いに制限されて,モデルの一般化能力に影響を及ぼす。本論文では,複雑なラベル間関係を効果的にマイニングできるマルチラベル画像分類のための一般的フレームワークであるグラフ注意変換ネットワーク(GATN)を提案した。最初に,著者らは,初期相関行列としてラベル単語埋込みに基づく余弦類似性を用いて,それは豊かな意味情報を表現することができた。続いて,この隣接行列を電流領域に適応させるために,グラフ注意変圧器層を設計した。著者らの広範囲な実験は,著者らの提案方法が3つのデータセットに関して最先端の性能を達成できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , ,

前のページに戻る