• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于空间注意力与图卷积的多标签图像分类算法

康萍萍 侯进 周浩然 陈子锐 李晨

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. doi: 10.19304/J.ISSN1000-7180.2021.1166
引用本文: 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. doi: 10.19304/J.ISSN1000-7180.2021.1166
Multi-label image classification algorithm based on spatial attention and graph convolution[J]. Microelectronics & Computer. doi: 10.19304/J.ISSN1000-7180.2021.1166
Citation: Multi-label image classification algorithm based on spatial attention and graph convolution[J]. Microelectronics & Computer. doi: 10.19304/J.ISSN1000-7180.2021.1166

基于空间注意力与图卷积的多标签图像分类算法

doi: 10.19304/J.ISSN1000-7180.2021.1166

Multi-label image classification algorithm based on spatial attention and graph convolution

  • 摘要: 针对传统多标签图像分类模型难以生成更接近相关标签的图像特征,以及未利用标签之间的视觉相关性,导致识别精度不够高等问题。本文提出一种基于空间注意力与图卷积的多标签图像分类算法,该算法首先利用图卷积网络学习标签邻接图特征,在高层语义信息中引入空间注意力机制对目标特征进行重标定,然后在基于共现特征融合的分类器中融合高层语义信息与GCN网络提取的标签共现特征,并完成模型最终预测。在两个公开数据集上进行对比实验表明,文中算法在MS-COCO数据集上的平均精度较MLGCN提升了1.1个百分点,且在参数量上仅为原模型的八分之一,很大程度地降低了其训练成本。

     

  • 加载中
计量
  • 文章访问数:  259
  • HTML全文浏览量:  16
  • PDF下载量:  58
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-10-13
  • 录用日期:  2021-11-12
  • 修回日期:  2021-11-10
  • 网络出版日期:  2021-12-13

目录

    /

    返回文章
    返回