典型文献
基于全局与局部标签关系的多标签图像分类方法
文献摘要：
针对多标签图像分类任务中存在的难以对标签间的相互作用建模和全局标签关系固化的问题,结合自注意力机制和知识蒸馏(KD)方法,提出了一种基于全局与局部标签关系的多标签图像分类方法(ML-GLLR).首先,局部标签关系(LLR)模型使用卷积神经网络(CNN)、语义模块和双层自注意力(DLSA)模块对局部标签关系建模;然后,利用KD方法使LLR学习全局标签关系.在公开数据集MSCOCO2014和VOC2007上进行实验,LLR相较于基于图卷积神经网络多标签图像分类(ML-GCN)方法,在平均精度均值(mAP)上分别提高了0.8个百分点和0.6个百分点,ML-GLLR相较于LLR在mAP上分别进一步提高了0.2个百分点和1.3个百分点.实验结果表明,所提ML-GLLR不仅能对标签间的相互关系进行建模,也能避免全局标签关系固化的问题.
文献关键词：
图像分类;自注意力机制;深度学习;知识蒸馏;多标签分类
中图分类号：
作者姓名：
任炜;白鹤翔
作者机构：
山西大学计算机与信息技术学院,太原030006
文献出处：
引用格式：
[1]任炜;白鹤翔-.基于全局与局部标签关系的多标签图像分类方法)[J].计算机应用,2022(05):1383-1390
A类：
GLLR,DLSA,MSCOCO2014
B类：
部标,标签关系,多标签图像分类,分类方法,分类任务,自注意力机制,知识蒸馏,KD,ML,模型使用,对局,关系建模,公开数据集,VOC2007,图卷积神经网络,GCN,平均精度均值,mAP,百分点,多标签分类
AB值：
0.174877
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。
