《表1 实验因素整合表:基于多任务学习的传统服饰图像双层标注》
为验证MTL-DMAM模型的有效性和优越性,本文分别在MS-COCO数据集和传统服饰图像数据集上进行多标签标注的对比实验,两个数据集的统计情况如表1所示。MS-COCO数据集最初是为场景理解背景下的目标识别任务而收集的,也经常用于图像多标签标注任务和图像描述任务,其中训练集包含82 783张图像,验证集包含40 504张图像,数据集含有80个类别对象。由于测试集的真值标签不能使用,本文在训练集上训练网络,并在验证集上进行评估。在MS-CO-CO数据集上主要完成MTL-DMAM模型与同类多标签标注模型性能的对比实验,以验证MTL-DMAM模型在多标签标注任务上的有效性。传统服饰图像数据集由本实验室构建,共有3000张图像,每张图片均含有本体标签和隐义标签。本体标签包含8个不同类别,即花、鸟、龙、桃、蝴蝶、蝙蝠、祥云以及人物;隐义标签含有7个不同类别,即幸福、富贵、喜庆、长寿、权势、吉祥以及典故,将数据集划分为训练集和测试集,其中训练集图像2400张,测试集图像600张。在传统服饰图像数据集上主要完成MTL-DMAM模型与不同网络拆分模型性能的对比实验,以验证MTL-DMAM模型在基于多任务学习的双层多标签标注任务上的优越性。
图表编号 | XD00197070700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 赵海英、周伟、侯小刚、张小利 |
绘制单位 | 北京邮电大学计算机学院、北京邮电大学数字媒体与设计艺术学院、北京邮电大学计算机学院、吉林大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |