通过跨模态迁移的零样本学习
计算机视觉与模式识别
2013-03-21 v2 机器学习
摘要
本文介绍了一个模型，即使没有训练数据可用，也能识别图像中的物体。关于未见类别的唯一必要知识来自无监督的大型文本语料库。在我们的零样本框架中，语言中的分布信息可被视为理解物体外观的语义基础。大多数先前的零样本学习模型只能区分未见类别。相比之下，我们的模型既能在拥有数千张训练图像的类别上获得最先进的性能，也能在未见类别上获得合理的性能。这是通过首先在语义空间中进行异常值检测，然后使用两个独立的识别模型来实现的。此外，我们的模型不需要为单词或图像手动定义任何语义特征。
引用
@article{arxiv.1301.3666,
title = {Zero-Shot Learning Through Cross-Modal Transfer},
author = {Richard Socher and Milind Ganjoo and Hamsa Sridhar and Osbert Bastani and Christopher D. Manning and Andrew Y. Ng},
journal= {arXiv preprint arXiv:1301.3666},
year = {2013}
}