零样本学习中的局部性与组合性
计算机视觉与模式识别
2019-12-30 v1 机器学习
摘要
在本工作中，我们在零样本学习（ZSL）表示学习的背景下研究局部性与组合性。为了很好地隔离这些性质在所学表示中的重要性，我们施加了额外的约束：与大多数近期ZSL工作不同，不执行在不同数据集（例如ImageNet）上的预训练。我们的实验结果显示，局部性（就输入的微小局部而言）与组合性（即所学表示能作为更小词表的函数被表达的程度）如何均与泛化深度相关，并促使未来表示学习研究中关注更具局部感知的模型。
引用
@article{arxiv.1912.12179,
title = {Locality and compositionality in zero-shot learning},
author = {Tristan Sylvain and Linda Petrini and Devon Hjelm},
journal= {arXiv preprint arXiv:1912.12179},
year = {2019}
}
备注
Published at ICLR 2020