作为缺失数据问题的零样本学习
计算机视觉与模式识别
2021-03-09 v2
摘要
本文提出一种零样本学习（ZSL）方法，将 ZSL 视为缺失数据问题，而非缺失标签问题。具体而言，大多数现有 ZSL 方法侧重于学习从图像特征空间到标签嵌入空间的映射函数。而所提方法以相反方式探索一个简单而有效的转导框架——我们的方法通过从标签嵌入空间迁移知识，来估计图像特征空间中未见类的数据分布。在实验中，我们的方法在两个流行数据集上优于当前最先进水平。
引用
@article{arxiv.1612.00560,
title = {Zero-Shot Learning posed as a Missing Data Problem},
author = {Bo Zhao and Botong Wu and Tianfu Wu and Yizhou Wang},
journal= {arXiv preprint arXiv:1612.00560},
year = {2021}
}