基于跨模態(tài)特權(quán)信息增強的圖像分類方法

摘要： 圖像分類算法的性能受限于視覺信息的多樣性和背景噪聲的影響,現(xiàn)有研究通常采用跨模態(tài)約束或異構(gòu)特征對齊算法學(xué)習可判別力強的視覺表征.然而,模態(tài)異構(gòu)帶來的特征分布差異等問題限制了視覺表征的有效學(xué)習.針對該問題,提出一種基于跨模態(tài)語義信息推理和融合的圖像分類框架(CMIF),引入圖像語義描述及統(tǒng)計先驗知識作為特權(quán)信息,使用特權(quán)信息學(xué)習范式在模型訓(xùn)練階段指導(dǎo)圖像特征從視覺空間向語義空間映... （共17頁）