典型文献
基于空间注意力与图卷积的多标签图像分类算法
文献摘要：
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.
文献关键词：
图卷积网络;多标签图像分类;空间注意力;特征融合
中图分类号：
作者姓名：
康萍萍;侯进;周浩然;陈子锐;李晨
作者机构：
西南交通大学计算机与人工智能学院,四川成都611756;西南交通大学综合交通大数据应用技术国家工程实验室,四川成都611756;西南交通大学信息科学与技术学院智能感知智慧运维实验室,四川成都611756
文献出处：
引用格式：
[1]康萍萍;侯进;周浩然;陈子锐;李晨-.基于空间注意力与图卷积的多标签图像分类算法)[J].微电子学与计算机,2022(05):10-19
A类：
GLOVE,MLGCN
B类：
空间注意力,多标签图像分类,图像分类算法,分类模型,图像特征,识别精度,图卷积网络,网络学习,学习标签,邻接,标签嵌入,语义信息,注意力网络,语义特征,特征融合,分类器,一对一,成模,公开数据集,COCO,VOC,百分点,模型参数量,八分,训练过程,迭代次数,练成
AB值：
0.265293
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
