基于结构化知识图的多标签零样本学习
计算机视觉与模式识别
2018-05-29 v2
摘要
本文提出一种用于多标签零样本学习（ML-ZSL）的新型深度学习架构，能够为每个输入实例预测多个未见类标签。受人类利用感兴趣对象间语义知识方式的启发，我们提出一个融合知识图以描述多个标签间关系的框架。我们的模型从语义标签空间学习信息传播机制，可应用于建模可见与未见类标签间的相互依赖关系。通过对结构化知识图用于视觉推理的此类探究，我们展示了模型可应用于解决多标签分类与 ML-ZSL 任务。与当前最优（SOTA）方法相比，我们的方法可达到相当或更好的性能。
引用
@article{arxiv.1711.06526,
title = {Multi-Label Zero-Shot Learning with Structured Knowledge Graphs},
author = {Chung-Wei Lee and Wei Fang and Chih-Kuan Yeh and Yu-Chiang Frank Wang},
journal= {arXiv preprint arXiv:1711.06526},
year = {2018}
}
备注
CVPR 2018