面向广义零样本学习的语义特征提取
计算机视觉与模式识别
2021-12-30 v1
摘要
广义零样本学习（GZSL）是一种训练深度学习模型利用属性识别未见类的方法。本文提出一种全新的GZSL技术，大幅提升了GZSL分类性能。所提方法（以下称基于语义特征提取的GZSL，SE-GZSL）的核心思想是在学习图像与属性之间关系时使用仅含属性相关信息的语义特征。如此，我们可消除图像特征中所包含的属性无关信息（若有）造成的干扰。为训练提取语义特征的网络，我们提出两个新颖损失函数：1）基于互信息的损失以捕获图像特征中所有属性相关信息；2）基于相似性的损失以去除不需要的属性无关信息。通过在多个数据集上的大量实验，我们表明所提SE-GZSL技术以较大优势优于传统GZSL方法。
引用
@article{arxiv.2112.14478,
title = {Semantic Feature Extraction for Generalized Zero-shot Learning},
author = {Junhan Kim and Kyuhong Shim and Byonghyo Shim},
journal= {arXiv preprint arXiv:2112.14478},
year = {2021}
}
备注
Accepted at AAAI2022