AIGC动态欢迎阅读
转移HST框架 | IJCV 2024
关键字：标签,图像,语义,类别,相关性文章来源：新智元
内容字数：13272字内容摘要：
新智元报道编辑：LRT
【新智元导读】在多标签图像识别领域中，由于图像本身和潜在标签类别的复杂性，收集满足现有模型训练的多标签标注信息往往成本高昂且难以拓展。中山大学联合广东工业大学联手探索标注受限情况下的多标签图像识别任务，通过对多标签图像中的强语义相关性的探索研究，提出了一种异构语义转移(Heterogeneous Semantic Transfer, HST) 框架，实现了有效的未知标签生成。随着深度学习的快速发展，许多研究者们开始尝试利用深度神经网络解决多标签图像识别（Multi-label Image Recognition, MLR）任务，并已取得了不俗的进展。
但是，由于图像本身和潜在标签类别的复杂性，收集满足现有模型训练的多标签标注信息往往成本高昂且难以拓展，导致现有的大部分多标签图像识别模型难以在现实应用场景中落地。
因此，近年来许多研究者开始致力于探索标注受限情况下的多标签图像识别（Multi-label Image Recognition with Partial Label, MLR-PL）算法来解决这个问题。图1多标签图像识别任务中完整标注与标注受限的区别原文链接：标注受限也能识别多标签图像！中山大学等发布异构语义转移HST框架 | IJCV 2024
联系作者
文章来源：新智元
作者微信：AI_era
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人革命对人类社会与文明进化的影响，领航中国新智能时代。
