广义零样本学习方法综述
计算机视觉与模式识别
2022-07-18 v5
摘要
广义零样本学习（GZSL）旨在有监督学习过程中部分输出类别未知的条件下，训练一个用于对数据样本进行分类的模型。为应对这一具有挑战性的任务，GZSL 利用可见（源）类别与不可见（目标）类别的语义信息来弥合可见类别与不可见类别之间的鸿沟。自其提出以来，已有许多 GZSL 模型被构建。在本综述论文中，我们对 GZSL 进行了全面回顾。首先，我们概述了 GZSL，包括其问题与挑战。接着，我们对 GZSL 方法进行了层次化分类，并讨论了每一类中的代表性方法。此外，我们讨论了可用的基准数据集与 GZSL 的应用，并对研究空白和未来探索方向进行了探讨。
引用
@article{arxiv.2011.08641,
title = {A Review of Generalized Zero-Shot Learning Methods},
author = {Farhad Pourpanah and Moloud Abdar and Yuxuan Luo and Xinlei Zhou and Ran Wang and Chee Peng Lim and Xi-Zhao Wang and Q. M. Jonathan Wu},
journal= {arXiv preprint arXiv:2011.08641},
year = {2022}
}
备注
26 pages, 12 figures