受野外指南启发的零样本学习
计算机视觉与模式识别
2021-08-26 v1
摘要
现代识别系统需要大量监督才能达到高准确率。适应新领域需要专家提供大量数据，这既繁重又可能过于昂贵。零样本学习需要为新类别标注一整套属性。在实际部署中，为新类别标注完整的属性集被证明是一项繁琐且昂贵的任务，尤其是在识别领域为专家领域时。我们引入了一种受野外指南启发的新零样本标注方法，其中学习器模型以交互方式询问定义类别的最有用属性。我们在 CUB、SUN 和 AWA2 等带有属性标注的分类基准上评估了我们的方法，并表明我们的模型以显著减少的标注数量，达到了具有完整标注的模型的性能。由于专家的时间宝贵，降低标注成本对于实际部署非常有价值。
引用
@article{arxiv.2108.10967,
title = {Field-Guide-Inspired Zero-Shot Learning},
author = {Utkarsh Mall and Bharath Hariharan and Kavita Bala},
journal= {arXiv preprint arXiv:2108.10967},
year = {2021}
}
备注
Accepted to ICCV 2021