用于零样本学习的属性原型网络
计算机视觉与模式识别
2021-05-07 v4 机器学习
摘要
从零样本学习研究之初，视觉属性就被证明发挥着重要作用。为了更好地将基于属性的知识从已知类迁移到未知类，我们认为具有集成属性定位能力的图像表示将有益于零样本学习。为此，我们提出了一种新颖的零样本表示学习框架，其仅使用类级属性联合学习判别性的全局与局部特征。在一个视觉-语义嵌入层学习全局特征的同时，局部特征通过一个属性原型网络学习，该网络同时从中间特征中回归并去相关属性。我们表明，我们的局部性增强图像表示在三个零样本学习基准上达到了新的SOTA。作为一个额外益处，我们的模型指出了图像中属性的视觉证据，例如在CUB数据集上，证实了我们的图像表示具有改进的属性定位能力。
引用
@article{arxiv.2008.08290,
title = {Attribute Prototype Network for Zero-Shot Learning},
author = {Wenjia Xu and Yongqin Xian and Jiuniu Wang and Bernt Schiele and Zeynep Akata},
journal= {arXiv preprint arXiv:2008.08290},
year = {2021}
}
备注
NeurIPS 2020. The code is publicly available at https://wenjiaxu.github.io/APN-ZSL/