Apprendre des motifs de balises rares pour la classification d'images sociales

Les balises générées par les utilisateurs associées à des images provenant des médias sociaux (par exemple, Flickr) fournissent des ressources textuelles précieuses pour la classification d'images. Cependant, le vocabulaire de balises bruyant et vaste dégrade fortement l'efficacité et l'efficience des méthodes de classification d'images à la pointe qui exploitent des données web auxiliaires. Pour atténuer ce problème, nous introduisons un modèle de motifs de balises rares (STP) pour découvrir des motifs de co-occurrence de balises contraints par la sparsité à partir de grandes échelles de balises contribuant par les utilisateurs au sein des données sociales. Pour satisfaire la compacité et la discriminabilité, nous formulons le STP comme un problème de minimisation d'une fonction de perte quadratique régularisée par la norme l1 bi-couche. Nous considérons le STP appris comme une caractéristique sémantique intermédiaire alternative de l'image et vérifions sa supériorité dans un cadre de classification d'images basé sur la recherche. Des expériences sur 240K images sociales associées à des millions de balises ont démontré des performances encourageantes de la méthode proposée par rapport à l'état de l'art.