基于结构对齐学习类原型的零样本识别
计算机视觉与模式识别
2018-07-25 v1
摘要
零样本学习（ZSL）旨在无任何特定类训练样本的情况下识别新类物体，其通过利用语义信息与辅助数据集实现。近来多数 ZSL 方法聚焦于学习视觉-语义嵌入，以将知识从辅助数据集迁移至新类。然而，鲜有工作研究语义信息对该识别任务是否具有判别性。为解决此问题，我们提出一种耦合字典学习方法，利用类原型对齐视觉-语义结构，其中视觉空间中蕴含的判别性信息被用于改善判别性较弱的语义空间。随后，可通过简单的最近邻方法使用所学类原型在不同空间中进行零样本识别。在四个基准数据集上的大量实验表明了所提方法的有效性。
引用
@article{arxiv.1807.09123,
title = {Learning Class Prototypes via Structure Alignment for Zero-Shot Recognition},
author = {Huajie Jiang and Ruiping Wang and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1807.09123},
year = {2018}
}
备注
To appear in ECCV 2018