用于零样本识别的域特定嵌入网络
计算机视觉与模式识别
2019-08-13 v1
摘要
零样本学习(ZSL)旨在通过将图像数据和语义标签投影到联合嵌入空间来识别来自可见或不可见域的样本。然而，大多数现有方法直接将训练好的从一个域到另一个域的投影进行适配，从而忽略了由域差异引起的严重偏差问题。为解决此问题，我们提出一种新颖的域特定嵌入网络(DSEN)，其可对不同的域应用特定投影以实现无偏嵌入，以及若干域约束。与先前方法相反，DSEN将域共享投影函数分解为一个域不变和两个域特定子函数，以探索两域间的相似与差异。为防止两个特定投影破坏语义关系，提出一种语义重建约束，以循环一致的方式对它们应用相同的解码函数。此外，开发了域划分约束，直接惩罚各自可见与不可见域中真实与伪图像特征间的间隔，从而可扩大视觉特征的域间差异。在四个公开基准上的大量实验证明了DSEN的有效性，其调和均值平均提升。代码见\url{https://github.com/mboboGO/DSEN-for-GZSL}。
引用
@article{arxiv.1908.04174,
title = {Domain-Specific Embedding Network for Zero-Shot Recognition},
author = {Shaobo Min and Hantao Yao and Hongtao Xie and Zheng-Jun Zha and Yongdong Zhang},
journal= {arXiv preprint arXiv:1908.04174},
year = {2019}
}