基于图像三元组挖掘的无监督视觉表示学习

HE Guo-Cai; LIU Xia-Bi

首页> 中文期刊> 《计算机学报》 >基于图像三元组挖掘的无监督视觉表示学习

基于图像三元组挖掘的无监督视觉表示学习

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

特征表示是计算机视觉应用中的关键问题之一,由于视觉数据的海量增长和人工标记的高成本问题,无监督视觉表示学习逐渐受到了人们的广泛关注.该文提出一种基于图像三元组挖掘的无监督视觉表示学习方法.该方法包含两个部分:挖掘图像三元组和学习特征表示.具体而言,首先构建二分类卷积神经网络,从图像数据集中挖掘三元组,即图像、与其相似的图像、与其不相似的图像这三者构成的数据.然后使用得到的图像三元组作为监督信息,通过训练Triplet卷积神经网络来获得视觉表示.为了验证该文所提出的学习方法,该文将学习得到的特征表示应用到常用图像数据集的聚类和分类问题上.在聚类方面,相较于传统的视觉特征方法,该文特征的聚类表现在规范化互信息上有12.7％的提升;在分类方面,所提出的方法也取得了有竞争力的结果,实验表明该文所提出的方法是有效的.

著录项

来源
《计算机学报》 |2018年第12期|2787-2803|共17页
作者
HE Guo-Cai; LIU Xia-Bi;
展开▼
作者单位

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
关键词
无监督学习; 视觉表示学习; 图像三元组; 卷积神经网络; 深度学习;

相似文献

中文文献
外文文献
专利

1. 基于无监督图神经网络的学术文献表示学习研究 [J] . 丁恒 ,任卫强 ,曹高辉 . 情报学报 . 2022,第1期
2. 引入无监督表示学习和堆叠双向GRU的预测模型 [J] . 朱壮壮 ,周治平 . 传感技术学报 . 2021,第006期
3. 无监督域适应的表示学习算法 [J] . 许亚雲 ,严华 . 哈尔滨工业大学学报 . 2021,第002期
4. 基于层级注意力模型的无监督文档表示学习 [J] . 欧阳文俊 ,徐林莉 . 计算机系统应用 . 2018,第009期
5. 一种基于前向无监督卷积神经网络的人脸表示学习方法 [J] . 朱陶 ,任海军 ,洪卫军 . 计算机科学 . 2016,第006期
6. 联合依赖最大化与稀疏表示的无监督特征选择方法 [C] . Li Chan ,李婵 ,Yang Wenyuan . 2016苏鲁黑浙四省声学技术学术会议 . 2016
7. 基于高斯分布的无监督图嵌入表示学习算法研究 [A] . 张正达 . 2020

基于图像三元组挖掘的无监督视觉表示学习

摘要

著录项

相似文献

相关主题

期刊订阅