基于多电池因子分析的零样本学习
计算机视觉与模式识别
2016-07-01 v1
摘要
零样本学习 (ZSL) 将传统的图像分类技术扩展到更具挑战性的情境，即测试图像类别在训练样本中未曾出现。大多数关于 ZSL 的研究利用属性或词向量等辅助信息来桥接可见类与不可见类之间的关系。然而，现有的 ZSL 方法通常独立地为每种类型的辅助信息利用一个共享空间，这无法充分利用不同类型辅助信息的互补知识。为此，本文提出了一种 MBFA-ZSL 方法，将不同类型的辅助信息以及视觉特征嵌入到一个共享空间中。具体而言，我们首先开发了一种名为多电池因子分析 (MBFA) 的算法来构建统一的语义空间，然后利用其中的多种类型辅助信息来实现 ZSL。闭式解使得 MBFA-ZSL 易于实现，并在大数据集上高效运行。在流行的 AwA、CUB 和 SUN 数据集上的大量实验表明，其显著优于最先进的方法。
引用
@article{arxiv.1606.09349,
title = {Zero-Shot Learning with Multi-Battery Factor Analysis},
author = {Zhong Ji and Yuzhong Xie and Yanwei Pang and Lei Chen and Zhongfei Zhang},
journal= {arXiv preprint arXiv:1606.09349},
year = {2016}
}