基于多视角低秩表征的短视频多标签学习模型

吕卫; 李德盛; 谭浪; 井佩光; 苏育挺

doi:doi:10.3788/LOP57.221012

激光与光电子学进展, 2020, 57 (22): 221012, 网络出版: 2020-11-12

基于多视角低秩表征的短视频多标签学习模型下载： 887次

Microvideo Multilabel Learning Model Based on Multiview Low-Rank Representation

吕卫 ¹李德盛 ^1,*谭浪 ²井佩光 ¹苏育挺 ¹

作者单位

¹ 天津大学电气自动化与信息工程学院, 天津 300072

² 北京智芯微电子科技有限公司, 北京 102200

图 & 表

图 1. 本文模型示意图

Fig. 1. Illustration of proposed model

下载图片查看原文

图 2. 数据集中具有不同标签的视频示例

Fig. 2. Sample video with different labels selected from dataset

下载图片查看原文

图 3. 收敛性验证图。(a) Z_diff随模型迭代的变化;(b)平均精度随模型迭代的变化

Fig. 3. Convergence verification graphs. (a) Variation of Z_diff with model iteration; (b) variation of average precision with model iteration

下载图片查看原文

图 4. 不同参数对于平均精度的影响。(a) λ₂对于平均精度的影响;(b) λ₄对于平均精度的影响

Fig. 4. Effect of different parameters on average precision. (a) Effect of λ₂ on average precision; (b) effect of λ₄ on average precision

下载图片查看原文

图 5. 标签相关性矩阵对比。(a)归一化真实标签相关性矩阵;(b)归一化相关性矩阵 $\dot{S}$

Fig. 5. Label correlation matrix comparison. (a) Normalized correlation matrix for true label; (b) normalized correlation matrix $\dot{S}$ after the iteration

下载图片查看原文

表 1消融实验结果

Table1. Ablation experiment results

Evaluation metrics	No LR	No LF	No LC
Average precision difference	-0.0508	-0.2423	-0.0172
Hamming loss difference	0.0013	0.0029	0.0005
Ranking loss difference	0.0079	0.0521	0.0049
Coverage difference	0.3492	4.6914	0.2851
One-error difference	0.0175	0.1482	0.0230

查看原文

表 2不同算法的性能对比

Table2. Performance comparison of different algorithms

Method	Average precision	Hamming loss	Ranking loss	Coverage	One-error
DNMF	0.4673±0.0063	0.0154±0.0001	0.1077±0.0082	8.3853±0.1621	0.6487±0.0082
LRR	0.5489±0.0057	0.0154±0.0001	0.0991±0.0051	8.4056±0.1803	0.3039±0.0057
GLOCAL	0.7527±0.0064	0.0133±0.0020	0.0515±0.0015	3.9943±0.1056	0.2457±0.0032
MLKNN	0.7843±0.0053	0.0134±0.0001	0.0476±0.0058	4.0204±0.1874	0.3087±0.0058
Googlenet	0.6676±0.0044	0.0176±0.0002	0.4349±0.0066	4.5680±0.0600	0.4349±0.0066
C3D	0.7149±0.0089	0.0146±0.0003	0.3694±0.0028	3.9041±0.2033	0.3694±0.0088
C2AE	0.8013±0.0022	0.0128±0.0001	0.0481±0.0041	3.6942±0.1471	0.2381±0.0026
Proposed	0.8055±0.0028	0.0128±0.0001	0.0432±0.0023	3.6732±0.1274	0.2561±0.0065

查看原文

吕卫, 李德盛, 谭浪, 井佩光, 苏育挺. 基于多视角低秩表征的短视频多标签学习模型[J]. 激光与光电子学进展, 2020, 57(22): 221012. Wei Lü, Desheng Li, Lang Tan, Peiguang Jing, Yuting Su. Microvideo Multilabel Learning Model Based on Multiview Low-Rank Representation[J]. Laser & Optoelectronics Progress, 2020, 57(22): 221012.

基于多视角低秩表征的短视频多标签学习模型下载： 887次

图 1. 本文模型示意图

Fig. 1. Illustration of proposed model

图 2. 数据集中具有不同标签的视频示例

Fig. 2. Sample video with different labels selected from dataset

图 3. 收敛性验证图。(a) Z_diff随模型迭代的变化;(b)平均精度随模型迭代的变化

Fig. 3. Convergence verification graphs. (a) Variation of Z_diff with model iteration; (b) variation of average precision with model iteration

图 4. 不同参数对于平均精度的影响。(a) λ₂对于平均精度的影响;(b) λ₄对于平均精度的影响

Fig. 4. Effect of different parameters on average precision. (a) Effect of λ₂ on average precision; (b) effect of λ₄ on average precision

图 5. 标签相关性矩阵对比。(a)归一化真实标签相关性矩阵;(b)归一化相关性矩阵 $\dot{S}$

Fig. 5. Label correlation matrix comparison. (a) Normalized correlation matrix for true label; (b) normalized correlation matrix $\dot{S}$ after the iteration

表 1消融实验结果

Table1. Ablation experiment results

表 2不同算法的性能对比

Table2. Performance comparison of different algorithms

关于本站 Cookie 的使用提示

全站搜索

基于多视角低秩表征的短视频多标签学习模型 下载： 887次

图 1. 本文模型示意图

Fig. 1. Illustration of proposed model

图 2. 数据集中具有不同标签的视频示例

Fig. 2. Sample video with different labels selected from dataset

图 3. 收敛性验证图。(a) Zdiff随模型迭代的变化;(b)平均精度随模型迭代的变化

Fig. 3. Convergence verification graphs. (a) Variation of Zdiff with model iteration; (b) variation of average precision with model iteration

图 4. 不同参数对于平均精度的影响。(a) λ2对于平均精度的影响;(b) λ4对于平均精度的影响

Fig. 4. Effect of different parameters on average precision. (a) Effect of λ2 on average precision; (b) effect of λ4 on average precision

图 5. 标签相关性矩阵对比。(a)归一化真实标签相关性矩阵;(b)归一化相关性矩阵S˙

Fig. 5. Label correlation matrix comparison. (a) Normalized correlation matrix for true label; (b) normalized correlation matrix S˙after the iteration

表 1消融实验结果

Table1. Ablation experiment results

表 2不同算法的性能对比

Table2. Performance comparison of different algorithms

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于多视角低秩表征的短视频多标签学习模型下载： 887次

图 3. 收敛性验证图。(a) Z_diff随模型迭代的变化;(b)平均精度随模型迭代的变化

Fig. 3. Convergence verification graphs. (a) Variation of Z_diff with model iteration; (b) variation of average precision with model iteration

图 4. 不同参数对于平均精度的影响。(a) λ₂对于平均精度的影响;(b) λ₄对于平均精度的影响

Fig. 4. Effect of different parameters on average precision. (a) Effect of λ₂ on average precision; (b) effect of λ₄ on average precision

图 5. 标签相关性矩阵对比。(a)归一化真实标签相关性矩阵;(b)归一化相关性矩阵 $\dot{S}$

Fig. 5. Label correlation matrix comparison. (a) Normalized correlation matrix for true label; (b) normalized correlation matrix $\dot{S}$ after the iteration