基于空间注意力与图卷积的多标签图像分类算法

• 作者: 康萍萍 侯进 周浩然 陈子锐 李晨
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 图卷积网络 多标签图像分类 空间注意力 特征融合
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 10-19
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1166

摘要

针对传统多标签图像分类模型存在难以生成更接近相关标签的高层图像特征，以及因未能利用标签之间的视觉相关性而导致的识别精度不够高等问题，提出了一种基于空间注意力与图卷积的多标签图像分类算法.首先，利用图卷积网络学习标签邻接图特征和使用GLOVE算法，从标签序列获取的标签嵌入；其次，在高层语义信息中引入改进的空间注意力网络以对特定类别的语义特征进行重标定，实现背景和干扰信息的抑制；最后，在基于共现特征融合的分类器中，整合高层语义信息与图卷积网络提取的标签共现特征，采用通道一对一的方式完成模型最终预测.在两个公开数据集上进行实验表明，该算法在MS-COCO和VOC-2007数据集上的平均精度分别为81.42%和94.3%，较基础的MLGCN网络分别提升了1.13和1.3个百分点，且模型参数量仅为原模型的八分之一，训练过程中需要的迭代次数也远少于原模型，极大程度地降低了其训练成本。