Sketch-a-Classifier：基于草图的照片分类器生成
计算机视觉与模式识别
2018-05-01 v1
摘要
当代深度学习技术已使图像识别成为一项相当可靠的技术。然而，训练有效的照片分类器通常需要大量样本，这限制了图像识别的可扩展性及其在图像可能无法获取的场景中的适用性。这促使了对零样本学习的研究，该方法通过从文本等其他模态进行知识迁移来解决此问题。在本文中，我们研究了一种合成图像分类器的替代方法：几乎直接从用户的想象中，通过手绘草图生成。这种方法不需要像零样本学习那样，类别必须是可命名的或可通过属性描述的。我们通过训练一个模型回归网络来实现这一点，该网络将手绘草图空间映射到照片分类器空间。结果表明，这种映射可以以类别无关的方式学习，允许用户为新的类别合成照片分类器，而无需带标注的训练照片。我们还证明了这种分类器生成模态也可用于增强现有照片分类器的粒度，或作为基于命名的零样本学习的补充。
引用
@article{arxiv.1804.11182,
title = {Sketch-a-Classifier: Sketch-based Photo Classifier Generation},
author = {Conghui Hu and Da Li and Yi-Zhe Song and Tao Xiang and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1804.11182},
year = {2018}
}
备注
published in CVPR2018 as spotlight