基于生成式回放的动态 VAE 用于持续零样本学习
计算机视觉与模式识别
2021-04-27 v1
摘要
持续零样本学习（CZSL）是一个对模型在训练期间未见过对象进行顺序分类的新领域。当数据可能持续到来，且仅少数类有属性、其他类有属性和特征时，它比零样本和持续学习方法更适用于实际场景。持续学习（CL）遭受灾难性遗忘，而零样本学习（ZSL）模型由于训练期间缺乏实际数据（或特征），无法像最先进的监督分类器那样对对象分类。本文提出一种新颖的持续零样本学习（DVGR-CZSL）模型，其随每个任务增大规模，并使用生成式回放以先前学习的类更新自身以避免遗忘。我们证明了我们的混合模型（DVGR-CZSL）优于基线，并在多个数据集（即 CUB、AWA1、AWA2 和 aPY）上有效。我们展示了我们的方法在带 ZSL（零样本学习）的任务顺序学习中具有优越性。我们还讨论了在 SUN 数据集上的结果。
引用
@article{arxiv.2104.12468,
title = {Dynamic VAEs with Generative Replay for Continual Zero-shot Learning},
author = {Subhankar Ghosh},
journal= {arXiv preprint arXiv:2104.12468},
year = {2021}
}
备注
10 pages, 10 figures. arXiv admin note: text overlap with arXiv:2102.03778