基于Attention的弱监督多标号图像分类

• 作者: 张文 谭晓阳
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 弱监督 多标号 注意力 深度学习
• 年，卷（期）: 2018,（5）
• 页码范围: 801-808
• 页数: 8页
• 分类号: TP391.4
• 字数: 4403字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.05.004

摘要

深度学习依赖于大数据在很多的任务中取得巨大成功,但目前大部分方法都依赖于严格标注的数据,或者假定仅含一个物体大致位于图片近中心位置且背景较少.而现实场景中背景复杂,出现的物体多样,增加了分类的难度,而且标注的代价很大.本文关注于弱监督场景下的分类任务,提出了基于注意力机制(Attention)结合递归神经网络的深度模型,利用图片级的标注进行多标号学习,利用损失函数进行梯度下降训练自动调整关注区域,使模型每次关注图片的局域区域,并在数据集PASCAL V O C 2007/2012上验证算法的有效性,与其他方法相比具有更强的可解释性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭晓阳	南京航空航天大学计算机科学与技术学院	25	119	6.0	10.0
2	张文	南京航空航天大学计算机科学与技术学院	2	5	2.0	2.0