基于主题模型的零样本物体识别系统
计算机视觉与模式识别
2014-10-15 v1 机器学习
摘要
物体识别系统通常需要完全完整的人工标注训练数据来训练分类器。在本文中，我们研究了在分类器学习阶段缺失训练样本的物体识别问题，该任务也称为零样本学习。我们提出了一种利用主题模型和层次化类概念的新型零样本学习策略。我们所提出的方法取得了进展，消除了繁琐的人工标注阶段（即基于属性的分类）。当分类任务中存在未见类别时，我们在四个公共数据集上取得了与最先进算法相当的性能：PubFig (67.09%)、Cifar-100 (54.85%)、Caltech-256 (52.14%) 和 Animals with Attributes (49.65%)。
引用
@article{arxiv.1410.3748,
title = {Zero-Shot Object Recognition System based on Topic Model},
author = {Wai Lam Hoo and Chee Seng Chan},
journal= {arXiv preprint arXiv:1410.3748},
year = {2014}
}
备注
To appear in IEEE Transactions on Human-Machine Systems