关于通用物体的零样本识别
计算机视觉与模式识别
2019-04-11 v1 机器学习
摘要
计算机视觉许多近期进展源于研究者在高质量、任务特定基准上的良性竞争。经过十年积极研究，零样本学习（ZSL）模型在 Imagenet 基准上的准确率仍过低，无法用于实际物体识别应用。本文认为，这一明显进展乏力的主因是该基准质量低下。我们指出当前基准的主要结构性缺陷，并分析影响 ZSL 模型准确率的各类因素。我们表明，在考量这些缺陷后，现有 ZSL 模型的实际分类准确率显著高于先前认为的水平。进而我们引入专属于 ZSL 数据集的结构性偏置概念。我们讨论这种新形式偏置的存在如何为标准基准提供平凡解，并总结亟需新基准。随后详述为修正这些缺陷而半自动构建新基准的过程。
关键词
引用
@article{arxiv.1904.04957,
title = {On zero-shot recognition of generic objects},
author = {Tristan Hascoet and Yasuo Ariki and Tetsuya Takiguchi},
journal= {arXiv preprint arXiv:1904.04957},
year = {2019}
}