告知与预测：从非结构化文本描述对未见视觉类别的核分类器预测
计算机视觉与模式识别
2015-06-30 v1
摘要
在本文中，我们提出了一种框架，用于为没有训练图像的类别预测视觉域中的核化分类器，其中知识来自关于这些类别的文本描述。通过我们的优化框架，所提方法能够将来自文本域的类别级知识作为核分类器嵌入视觉域。我们还提出了一种文本描述间的分布语义核，其在我们的设定中被证明是有效的。所提框架不限于文本描述，也可应用于其他形式的知识表示。我们的方法被应用于从这些数据类别的文本描述进行细粒度类别的零样本学习的挑战性任务。
引用
@article{arxiv.1506.08529,
title = {Tell and Predict: Kernel Classifier Prediction for Unseen Visual Classes from Unstructured Text Descriptions},
author = {Mohamed Elhoseiny and Ahmed Elgammal and Babak Saleh},
journal= {arXiv preprint arXiv:1506.08529},
year = {2015}
}