零样本分类的潜在嵌入模型
计算机视觉与模式识别
2016-04-12 v2
摘要
我们提出了一种新颖的潜在嵌入模型，用于在零样本分类背景下学习图像与类别嵌入之间的兼容函数。所提方法通过引入潜在变量增强了最先进的双线性兼容模型。它不学习单一的双向映射，而是学习一组映射，并选择当前图像-类别对使用哪个映射作为潜在变量。我们使用基于排序的目标函数训练模型，该函数惩罚给定图像真实类别的错误排序。我们在三个具有挑战性的公开零样本设置数据集上实证证明，我们的模型对各种类别嵌入一致地改进了最先进水平。此外，我们的方法产生了视觉上高度可解释的结果，具有对应于不同潜在变量映射的不同细粒度物体属性的清晰聚类。
引用
@article{arxiv.1603.08895,
title = {Latent Embeddings for Zero-shot Classification},
author = {Yongqin Xian and Zeynep Akata and Gaurav Sharma and Quynh Nguyen and Matthias Hein and Bernt Schiele},
journal= {arXiv preprint arXiv:1603.08895},
year = {2016}
}
备注
2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)