在场景图分类的一个主要挑战是,物体的外观和关系可以明显不同于另一幅图像。以前的工作通过对图像中所有物体的关系推理,或将先验知识纳入分类来解决这个问题。与之前的工作不同,我们不考虑感知和先验知识的分离模型。相反,我们采用多任务学习方法,其中分类被实现为一个注意力层。这允许先验知识在感知模型中出现和传播。通过使模型也代表先验,我们实现了归纳偏差。我们表明,我们的模型可以准确地生成常识性知识,并且将这些知识迭代注入到场景表示中可以显著提高分类性能。此外,我们的模型可以根据作为三元组的外部知识进行微调。当与自监督学习相结合时,这将获得仅对1%的带注释的图像进行准确的预测。

成为VIP会员查看完整内容
59

相关内容

【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
【AAAI2021】小样本学习多标签意图检测
专知会员服务
54+阅读 · 2020年12月8日
专知会员服务
28+阅读 · 2020年12月7日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【CVPR2020-北京大学】自适应间隔损失的提升小样本学习
专知会员服务
81+阅读 · 2020年6月9日
ICCV2019|基于全局类别表征的小样本学习
极市平台
11+阅读 · 2019年9月21日
CVPR 2019 论文解读精选
AI研习社
7+阅读 · 2019年6月16日
李飞飞团队新作 - 有限标签的场景图预测
专知
27+阅读 · 2019年5月6日
论文浅尝 | 用图网络做小样本学习
开放知识图谱
65+阅读 · 2018年6月30日
Arxiv
1+阅读 · 2021年1月20日
Learning from Few Samples: A Survey
Arxiv
77+阅读 · 2020年7月30日
Arxiv
7+阅读 · 2018年3月21日
Arxiv
7+阅读 · 2018年3月21日
Arxiv
3+阅读 · 2017年11月21日
VIP会员
相关VIP内容
【AAAI2021】低资源医疗对话生成的图演化元学习
专知会员服务
46+阅读 · 2020年12月26日
【AAAI2021】小样本学习多标签意图检测
专知会员服务
54+阅读 · 2020年12月8日
专知会员服务
28+阅读 · 2020年12月7日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【CVPR2020-北京大学】自适应间隔损失的提升小样本学习
专知会员服务
81+阅读 · 2020年6月9日
相关论文
微信扫码咨询专知VIP会员