通过语义判别器改进广义零样本学习
计算机视觉与模式识别
2020-06-12 v2
摘要
一个公认的事实是，在广义零样本学习（GZSL）设定下未见类的分类准确率远低于传统零样本学习（ZSL）。原因之一是实例总是被误分类到错误的域。此处我们将可见类与未见类分别称为两个域。我们提出一种新方法来判别实例是来自可见类还是未见类。首先将实例的视觉特征投影到语义空间。然后将投影语义向量与类语义嵌入向量之间的绝对范数差异，以及投影语义向量与可见类的语义嵌入向量之间的最小距离作为判别依据。该方法称为 SD（语义判别器，Semantic Discriminator），因为实例的域判断是在语义空间中进行的。我们的方法可与任何现有 ZSL 方法及全监督分类模型结合，形成新的 GZSL 方法。此外，我们的方法非常简单，且不需要任何固定参数。
引用
@article{arxiv.2005.13956,
title = {Improving Generalized Zero-Shot Learning by Semantic Discriminator},
author = {Xinpeng Li},
journal= {arXiv preprint arXiv:2005.13956},
year = {2020}
}