一种基于三元组分布嵌入的零样本学习简单方法
计算机视觉与模式识别
2021-03-31 v1 机器学习
摘要
给定类别的语义描述，零样本学习（ZSL）旨在利用包含可见与不可见类别间知识的语义信息，在无标记训练数据的情况下识别未见类别。现有ZSL方法主要使用向量表示到语义空间的嵌入。尽管流行，此类向量表示在建模每类类内差异性方面的表达能力有限。我们通过采用分布嵌入来解决该问题。更具体地，图像嵌入与类别嵌入均被建模为高斯分布，其相似关系通过三元组约束得以保持。指导我们方法的核心直觉是：对每张图像，正确类别标签的嵌入应比任何其他类别标签的嵌入更近。在多个基准数据集上的大量实验表明，所提方法在传统ZSL及更具挑战性的广义零样本学习（GZSL）设定下均取得了极具竞争力的结果。
引用
@article{arxiv.2103.15939,
title = {A Simple Approach for Zero-Shot Learning based on Triplet Distribution Embeddings},
author = {Vivek Chalumuri and Bac Nguyen},
journal= {arXiv preprint arXiv:2103.15939},
year = {2021}
}