学习跨域语义-视觉关系以用于直推式零样本学习
计算机视觉与模式识别
2023-04-11 v2
摘要
零样本学习（ZSL）学习用于识别新类别的模型。ZSL 中的主要挑战之一是由训练和测试数据之间的类别不一致性引起的领域差异。领域自适应是解决这一挑战最直观的方法。然而，由于源域和目标域之间不相交的标签空间，现有的领域自适应技术无法直接应用于 ZSL。本工作提出了一种面向直推式 ZSL 的可迁移语义-视觉关系（TSVR）方法。TSVR 将图像识别重新定义为预测由类属性和视觉特征组成的语义-视觉融合的相似性/不相似性标签。经过上述转换后，源域和目标域可以拥有相同的标签空间，从而能够量化领域差异。对于重新定义的问题，相似的语义-视觉对的数量明显少于不相似对的数量。为此，我们进一步提出使用领域特定批归一化来对齐领域差异。
引用
@article{arxiv.2003.14105,
title = {Learning Cross-domain Semantic-Visual Relationships for Transductive Zero-Shot Learning},
author = {Fengmao Lv and Jianyang Zhang and Guowu Yang and Lei Feng and Yufeng Yu and Lixin Duan},
journal= {arXiv preprint arXiv:2003.14105},
year = {2023}
}