关于属性的先验知识：为零样本识别学习更有效的潜空间
计算机视觉与模式识别
2020-09-15 v1
摘要
零样本学习（ZSL）旨在通过学得可见类与已知属性来准确识别不可见类，但以往研究忽略了属性间的相关性，导致分类结果混淆。为解决该问题，我们构建了属性相关性潜空间生成（ACPSG）模型，利用图卷积网络与属性相关性生成更具判别力的潜空间。结合潜判别空间与用户定义的属性空间，我们可以更好地对不可见类进行分类。无论是在常规 ZSL 还是广义 ZSL 下，我们的方法在多个基准数据集上均优于一些现有的最先进方法。
引用
@article{arxiv.2009.06226,
title = {Prior Knowledge about Attributes: Learning a More Effective Potential Space for Zero-Shot Recognition},
author = {Chunlai Chai and Yukuan Lou and Shijin Zhang},
journal= {arXiv preprint arXiv:2009.06226},
year = {2020}
}
备注
7 pages, 4 figures