面向艺术品材料识别的多类零样本学习
计算机视觉与模式识别
2020-10-28 v1 机器学习
摘要
零样本学习(ZSL)是迁移学习的一种极端形式，在训练阶段不提供待分类数据的任何标注样本。相反，ZSL利用关于该领域学到的附加信息，并依赖迁移学习算法来推断关于缺失实例的知识。ZSL方法对于稀疏数据集是一种有吸引力的解决方案。在此我们概述了一种模型，通过学习艺术品主题的英文描述与其组合材料之间的关系，来识别艺术品的制作材料。在尝试一系列超参数后，我们产出了一个能够对来自完全不同博物馆数据集的作品正确识别材料的模型。该模型在取自Tate收藏的5,000件艺术品上返回了48.42%的分类准确率，这些艺术品不同于用于创建和训练我们模型的Rijksmuseum网络。
引用
@article{arxiv.2010.13850,
title = {Multi-Class Zero-Shot Learning for Artistic Material Recognition},
author = {Alexander W Olson and Andreea Cucu and Tom Bock},
journal= {arXiv preprint arXiv:2010.13850},
year = {2020}
}
备注
9 pages, 8 figures