Resumen

Los rápidos avances en tecnología de sensores y dispositivos móviles traen consigo un florecimiento de imágenes sociales, y las imágenes sociales a gran escala han atraído cada vez más la atención de los investigadores. Los enfoques existentes generalmente se basan en reconocer las instancias de objetos individualmente con geoetiquetas, patrones visuales, etc. Sin embargo, la imagen social representa una red de relaciones interconectadas; estas relaciones entre entidades llevan un significado semántico y ayudan a un espectador a diferenciar entre instancias de una sustancia. Este artículo adopta la perspectiva de la relación espacial para explorar el aprendizaje conjunto de imágenes sociales. Precisamente, el modelo consta de tres partes: (a) un módulo para la comprensión semántica profunda de imágenes basado en la red residual (ResNet); (b) un módulo de análisis semántico profundo de texto más allá de los métodos tradicionales de bolsa de palabras; (c) un módulo de razonamiento conjunto del cual se obtienen los pesos de texto

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Desarrollos; Tecnología de sensores; Imágenes sociales; Significado semántico; Relación espacial; Aprendizaje conjunto
• Keywords:Developments; Sensor technology; Social images; Semantic meaning; Spatial relationship; Joint learning