如何迁移？基于语义属性层次迁移的零样本对象识别
计算机视觉与模式识别
2016-04-04 v1
摘要
基于属性的知识迁移在视觉对象分析和学习未见类方面已被证明非常成功。然而，常见的方法学习并迁移属性时没有考虑源集中类别之间嵌入的结构。此类信息提供了关于属性内变化的重要线索。我们提出在一个层次模型中捕捉这些变化，该模型用属性的额外抽象层级扩展知识源。我们还提供一种新颖的迁移方法，可以选择适当的属性与未见类共享。我们在三个公共数据集上评估我们的方法：aPascal、Animals with Attributes 和 CUB-200-2011 Birds。实验证明了我们模型的有效性，相比最先进的（SOTA）有显著改进。
引用
@article{arxiv.1604.00326,
title = {How to Transfer? Zero-Shot Object Recognition via Hierarchical Transfer of Semantic Attributes},
author = {Ziad Al-Halah and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:1604.00326},
year = {2016}
}
备注
Published as a conference paper at WACV 2015, modifications include new results with GoogLeNet features