基于耦合字典嵌入的零样本图像分类
计算机视觉与模式识别
2021-10-26 v2 机器学习
机器学习
摘要
零样本学习（ZSL）是一种仅基于关于未见类别的语义信息来对属于这些未见类别的图像进行分类的框架。本文提出一种使用耦合字典学习的新 ZSL 算法。其核心思想是图像的视觉特征与语义属性可在中间空间中共享同一稀疏表示。我们利用来自可见类别的图像以及来自可见与未见类别的语义属性，学习两个可稀疏表示图像视觉与语义特征向量的字典。在 ZSL 测试阶段且无标注数据的情况下，未见类别的图像可通过仅利用视觉数据寻找联合稀疏表示而映射至属性空间。随后，给定未见类别的语义描述，该图像在属性空间中被分类。我们还提供了一种属性感知的公式以应对 ZSL 中的域偏移与中心性问题（hubness）。大量实验表明，在基准 ZSL 数据集上，我们的方法相较最先进的 ZSL 算法具有更优性能。
引用
@article{arxiv.1906.10509,
title = {Zero-Shot Image Classification Using Coupled Dictionary Embedding},
author = {Mohammad Rostami and Soheil Kolouri and Zak Murez and Yuri Owekcho and Eric Eaton and Kuyngnam Kim},
journal= {arXiv preprint arXiv:1906.10509},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:1709.03688