全局与局部视觉信息协同优化的多标签缺失学习方法

摘要

实际图像通常包含不同类别的物体，所以人工标注出足够数量样本中的类别以满足模型训练的需求非常昂贵.因此，使用从互联网采集的大量带有缺失标签的样本来训练多标签学习模型成为当前机器学习领域的热门任务.当前的多标签缺失学习方法主要依赖于预训练网络的记忆机制，从全局特征角度来纠正假负标签，但未从类别关联的显著性区域上有针对性地纠正假负标签.为此，本研究提出了一种全局与局部视觉信息协同优化的多标签缺失图像识别框架.首先，本文提出了一种局部注意区域定位方法，该方法基于类别显著性生成多样的局部区域.然后，提出了一种损失函数，该损失可在全局和局部视觉信息上协同纠正假负标签.综合实验结果表明，本研究提出的方法相较于当前最先进的算法具有更好的识别性能.

关键词

多标签学习 / 深度学习 / 缺失标签 / 局部视觉信息

基金资助

国家自然科学基金项目(62006098)资助; 中国博士后基金面上项目(2020M681515)资助