NAACL2022：（代码实践）好的视觉引导促进更好的特征提取，多模态命名实体识别（附源代码下载）...

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

论文地址：https://arxiv.org/pdf/2205.03521.pdf

代码地址: https://github.com/zjunlp/HVPNeT

计算机视觉研究院专栏

作者：Edison_G

多模态命名实体识别和关系提取（MNER 和 MRE）是信息提取中的一个基础和关键分支。

1

 概括

多模态命名实体识别和关系提取（MNER和MRE）是信息提取中的一个基础和关键分支。然而，当文本中包含不相关的对象图像时，现有的MNER和MRE方法通常会受到错误敏感性的影响。

为了解决这些问题，有研究者提出了一种新颖的分层视觉前缀融合网络（HVPNeT），用于视觉增强实体和关系提取，旨在实现更有效和更强大的性能。

具体来说，将视觉表示视为可插入的视觉前缀，以指导错误不敏感预测决策的文本表示。进一步提出了一种动态门控聚合策略，以实现分层多尺度视觉特征作为融合的视觉前缀。在三个基准数据集上进行的大量实验证明了新方法的有效性，并实现了最先进的性能。

2

 新框架

Collection of Pyramidal Visual Feature

一方面，与句子关联的图像维护了与句子中的实体相关的多个视觉对象，进一步提供了更多的语义知识来辅助信息提取。另一方面，全局图像特征可能表达抽象概念，起到弱学习信号的作用。因此，为多模态实体和关系提取收集了多个视觉线索，其中包括以区域图像为重要信息，以全局图像为补充。

Dynamic Gated Aggregation

尽管不同大小的对象可以在相应的尺度上具有适当的特征表示，但决定视觉骨干中的哪个块为Transformer中的每一层分配视觉前缀并非易事。为了应对这一挑战，研究者建议构建密集连接的路由空间，其中分层多尺度视觉特征与每个变压器层连接。

• Dynamic Gate Module

通过动态门模块进行例行处理，可以将其视为路径决策的过程。动态门的动机是预测一个归一化向量，它表示执行每个块的视觉特征的程度。

• Aggregated Hierarchical Feature

基于上述动态门g(l)，可以推导出最终聚合的层次视觉特征Vgated，以匹配Transformer中的第l层：

Visual Prefix-guided Fusion

将分层多尺度图像特征作为视觉前缀，并在BERT的每个自注意力层将视觉前缀序列添加到文本序列中。

将分层多尺度视觉特征作为每个融合层的视觉前缀，并依次进行多模态注意力以更新所有文本状态。通过这种方式，最终的文本状态同时对上下文和跨模态语义信息进行编码。这有利于降低不相关对象元素的错误敏感性。

3

 实验

4

 代码实践

To run the codes, you need to install the requirements:

pip install -r requirements.txt

Data Collection：

The datasets that we used in our experiments are as follows:

• Twitter2015 & Twitter2017

  The text data follows the conll format. You can download the Twitter2015 data via this link and download the Twitter2017 data via this link. Please place them in data/NER_data.

  You can also put them anywhere and modify the path configuration in run.py

• MNER

  The MRE dataset comes from MEGA and you can download the MRE dataset with detected visual objects using folloing
  command:

cd data
wget 120.27.214.45/Data/re/multimodal/data.tar.gz
tar -xzvf data.tar.gz
mv data RE_data

Data Preprocess：

HMNeT
 |-- data  # conll2003, mit-movie, mit-restaurant and atis
 |    |-- NER_data
 |    |    |-- twitter2015  # text data
 |    |    |    |-- train.txt
 |    |    |    |-- valid.txt
 |    |    |    |-- test.txt
 |    |    |    |-- twitter2015_train_dict.pth  # {full-image-[object-image]}
 |    |    |    |-- ...
 |    |    |-- twitter2015_images       # full image data
 |    |    |-- twitter2015_aux_images   # object image data
 |    |    |-- twitter2017
 |    |    |-- twitter2017_images
 |    |-- RE_data
 |    |    |-- ...
 |-- models  # models
 |    |-- bert_model.py
 |    |-- modeling_bert.py
 |-- modules
 |    |-- metrics.py    # metric
 |    |-- train.py  # trainer
 |-- processor
 |    |-- dataset.py    # processor, dataset
 |-- logs     # code logs
 |-- run.py   # main 
 |-- run_ner_task.sh
 |-- run_re_task.sh

Train：

• NER Task

The data path and GPU related configuration are in the run.py. To train ner model, run this script.

bash run_twitter15.sh
bash run_twitter17.sh

checkpoints can be download via Twitter15_ckpt, Twitter17_ckpt.

• RE Task

To train re model, run this script.

bash run_re_task.sh

checkpoints can be download via re_ckpt

Test：

• NER Task

To test ner model, you can download the model chekpoints we provide via Twitter15_ckpt, Twitter17_ckpt or use your own tained model and set load_path to the model path, then run following script:

python -u run.py \
      --dataset_name="twitter15/twitter17" \
      --bert_name="bert-base-uncased" \
      --seed=1234 \
      --only_test \
      --max_seq=80 \
      --use_prompt \
      --prompt_len=4 \
      --sample_ratio=1.0 \
      --load_path='your_ner_ckpt_path'

• RE Task

To test re model, you can download the model chekpoints we provide via re_ckpt or use your own tained model and set load_path to the model path, then run following script:

python -u run.py \
      --dataset_name="MRE" \
      --bert_name="bert-base-uncased" \
      --seed=1234 \
      --only_test \
      --max_seq=80 \
      --use_prompt \
      --prompt_len=4 \
      --sample_ratio=1.0 \
      --load_path='your_re_ckpt_path'

 THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

扫码关注

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

 往期推荐 

• CVPR最佳检测：不再是方方正正的目标检测输出（附源码）
  

• Poly-YOLO：更快，更精确的检测（主要解决Yolov3两大问题，附源代码）
  

• “YoloV7”？目标检测算法终结篇：正式开源
  

• CLCNet：用分类置信网络重新思考集成建模（附源代码下载）
  

• Yolo-Fastest：轻量级yolo系列网络在各硬件实现工业级检测效果
  

• 霸榜第一框架：工业检测，基于差异和共性的半监督方法用于图像表面缺陷检测
  

• Fast YOLO：用于实时嵌入式目标检测（附论文下载）

• 计算机视觉研究院：AI部署以及工业落地学习之路（文章较长，建议收藏）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
  

• 多尺度深度特征（下）：多尺度特征学习才是目标检测精髓（论文免费下载）
  

• 多尺度深度特征（上）：多尺度特征学习才是目标检测精髓（干货满满，建议收藏）