带回归器反馈的判别嵌入自编码器用于零样本学习
计算机视觉与模式识别
2019-07-19 v1
摘要
零样本学习（ZSL）旨在利用类别的语义表示识别新颖对象类别，其关键思想是探索新颖类与熟悉类在语义上如何相关的知识。一些典型模型学习图像特征空间与语义空间之间的适当嵌入，而学习判别性特征并融合由粗到细的图像特征与语义信息十分重要。本文中，我们提出一种带回归器反馈的判别嵌入自编码器模型用于ZSL。编码器学习从图像特征空间到判别嵌入空间的映射，通过边界正则化所学特征间的类间与类内距离，使所学特征对对象识别具有判别性。回归器反馈学习将重构样本映射回判别嵌入和语义嵌入，辅助解码器提升样本质量并为未见类提供泛化能力。所提模型在四个基准数据集SUN、CUB、AWA1、AWA2上进行了广泛验证，实验结果表明我们的模型优于最优（state-of-the-art）模型，尤其在广义零样本学习（GZSL）中取得了显著改进。
引用
@article{arxiv.1907.08070,
title = {Discriminative Embedding Autoencoder with a Regressor Feedback for Zero-Shot Learning},
author = {Ying Shi and Wei Wei and Zhiming Zheng},
journal= {arXiv preprint arXiv:1907.08070},
year = {2019}
}