用于广义零样本学习的可迁移对比网络
计算机视觉与模式识别
2019-08-19 v1
摘要
零样本学习（ZSL）是一个具有挑战性的问题，旨在无需可见数据的情况下识别目标类别，其中利用语义信息从某些源类迁移知识。尽管 ZSL 近年来取得很大进展，现有多数方法在广义零样本学习（GZSL）任务中容易过拟合源类，这意味着它们学到关于目标类的知识很少。为解决该问题，我们提出一种新颖的可迁移对比网络（TCN），显式地将知识从源类迁移到目标类。它自动将一幅图像与不同类别进行对比以判断它们是否一致。通过利用类相似性实现从源图像到相似目标类的知识迁移，我们的方法在识别目标图像时更鲁棒。在五个基准数据集上的实验显示了我们的方法在 GZSL 上的优越性。
引用
@article{arxiv.1908.05832,
title = {Transferable Contrastive Network for Generalized Zero-Shot Learning},
author = {Huajie Jiang and Ruiping Wang and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:1908.05832},
year = {2019}
}
备注
To appear in ICCV 2019