融合命题与关系标签侧信息用于层次化零样本图像分类
计算机视觉与模式识别
2019-02-15 v1
摘要
零样本学习（ZSL）是从稀缺标注数据中学习的最极端形式之一。它使得预测图像属于无标注训练实例可用的类别成为可能。本文提出一种利用标签属性侧信息与语义标签层级的新型 ZSL 框架。我们提出两种方法——提升零样本预测与定制条件随机场（CRF）模型——以融合两种形式的侧信息。我们为该框架设计了基准任务，聚焦于在一系列语义层级上进行预测。我们表明，在指定语义层级内预测时，提升零样本预测可大幅优于基线方法；且 CRF 模型提供的概率分布可用于在层级上无约束预测时带来进一步的性能提升。
引用
@article{arxiv.1902.05492,
title = {Integrating Propositional and Relational Label Side Information for Hierarchical Zero-Shot Image Classification},
author = {Colin Samplawski and Heesung Kwon and Erik Learned-Miller and Benjamin M. Marlin},
journal= {arXiv preprint arXiv:1902.05492},
year = {2019}
}