Contrastive learning的学习

本文介绍了一种新的多标签分类框架,通过对比学习在不同标签的上下文中学习图像的多种表示。方法包括CNN特征提取、标签级嵌入网络和多头注意力机制,以及结合自监督和监督损失的对比学习策略。实验在MS-COCO和NUS-WIDE数据集上展示了有效性的提升。
摘要由CSDN通过智能技术生成

Contrast Learning Visual Attention for Multi Label Classification-CVPR Submitted on 24 Jul 2021



前言

学习该篇论文讲了什么内容,学习method


一、摘要

在完全监督下提出一种新颖的多标记分类框架,该框架在不同标签的上下文中学习图像的多种表示。

二、method

1.input

original input images
在这里插入图片描述
在这里插入图片描述
Label-Level Embedding Network的input: x i x_i xi表示一个图片,output: g ( i ) ∈ R L × D g(i) \in \mathbb{R}^{L \times D} g(i)RL×D表示根据 L L L个标签,即每一行对应于图像在特定标签的上下文下的嵌入.
该网络运行步骤:
1)采用CNN进行特征提取
在这里插入图片描述
2)introduce a set of vectors U ∈ R L × C U \in \mathbb{R}^{L \times C}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值