保持语义关系用于零样本学习
计算机视觉与模式识别
2018-03-09 v1
摘要
零样本学习因其无需额外训练数据即可扩展识别模型的潜力而受到欢迎。这通常通过将类别与其属性等语义信息相关联来实现。然而，我们认为这一范式所提供的潜力尚未被充分利用。本工作中，我们提出利用属性所张成空间的结构，使用一组关系。我们设计目标函数以在嵌入空间中保持这些关系，从而向嵌入空间注入语义性。通过在五个基准数据集上的广泛实验评估，我们证明向嵌入空间注入语义性有益于零样本学习。所提方法在标准零样本设定以及更现实的广义零样本设定上均优于当前最优 (state-of-the-art, SOTA)。我们还展示了所提方法如何可用于对属于无属性信息类别的图像进行近似语义推断。
引用
@article{arxiv.1803.03049,
title = {Preserving Semantic Relations for Zero-Shot Learning},
author = {Yashas Annadani and Soma Biswas},
journal= {arXiv preprint arXiv:1803.03049},
year = {2018}
}
备注
CVPR 2018