Semantische Hierarchien zur visuellen Objekterkennung

In diesem Papier schlagen wir vor, lexikalische semantische Netzwerke zu verwenden, um die modernsten Techniken zur Objekterkennung zu erweitern. Wir nutzen die Semantik von Bildbeschriftungen, um Vorwissen über die Beziehungen zwischen Klassen in das Lernen des visuellen Erscheinungsbildes zu integrieren. Wir zeigen, wie man eine semantische Hierarchie diskriminierender Klassifikatoren erstellt und trainiert und wie man sie verwendet, um Objekterkennung durchzuführen. Wir bewerten, wie unser Ansatz die Klassifikationsgenauigkeit und -geschwindigkeit auf dem PASCAL VOC Challenge 2006-Datensatz beeinflusst, einem Set herausfordernder Bilder aus der realen Welt. Außerdem demonstrieren wir zusätzliche Funktionen, die der Objekterkennung durch die Erweiterung mit semantischen Inferenzwerkzeugen zur Verfügung stehen; wir können hochrangige Kategorien wie Tiere klassifizieren und wir können Teil-Detektoren, zum Beispiel einen Fensterdetektor, durch reine Inferenz im semantischen Netzwerk trainieren.