用于零样本识别的潜在特征判别性学习
计算机视觉与模式识别
2018-03-20 v1
摘要
零样本学习（ZSL）旨在通过学习图像与语义表示之间的嵌入空间来识别未见过的图像类别。多年来，在现有工作中，学习对齐视觉与语义空间的适当映射矩阵一直是核心任务，而为 ZSL 学习判别性表示的重要性却被忽视。在本工作中，我们回顾了现有方法，并论证了为 ZSL 的视觉与语义实例学习判别性表示的必要性。我们提出了一种端到端网络，能够：1）通过缩放网络自动发现判别性区域；2）在为用户定义属性与潜在属性引入的增强空间中学习判别性语义表示。我们在两个具有挑战性的 ZSL 数据集上对所提方法进行了广泛测试，实验结果表明所提方法显著优于 state-of-the-art 方法。
引用
@article{arxiv.1803.06731,
title = {Discriminative Learning of Latent Features for Zero-Shot Recognition},
author = {Yan Li and Junge Zhang and Jianguo Zhang and Kaiqi Huang},
journal= {arXiv preprint arXiv:1803.06731},
year = {2018}
}
备注
CVPR 2018 (Oral)