用于高效零样本学习的统一生成器-分类器
计算机视觉与模式识别
2019-05-14 v1
摘要
生成模型已在零样本学习问题上取得最先进的性能，但它们需要在每次遇到新对象类别时重新训练分类器。传统的语义嵌入方法虽然非常简洁，其性能通常无法与其生成式对应方法相媲美。在这项工作中，我们提出了一个称为 GenClass 的统一框架，它将生成器与分类器集成用于高效零样本学习，从而结合了生成式方法的表征能力与嵌入方法的简洁性。统一框架的端到端训练不仅消除了生成式方法中针对新对象类别所需额外分类器的要求，还促进了更具判别性且有用特征的产生。在三个标准零样本对象分类数据集（即 AWA、CUB 和 SUN）上的大量评估显示了所提方法的有效性。该方法未经任何修改，在零样本动作分类上也给出了最先进的性能，从而展示了其对其他领域的泛化能力。
引用
@article{arxiv.1905.04511,
title = {Unified Generator-Classifier for Efficient Zero-Shot Learning},
author = {Ayyappa Kumar Pambala and Titir Dutta and Soma Biswas},
journal= {arXiv preprint arXiv:1905.04511},
year = {2019}
}
备注
4 pages