原文题目:Discriminative Embedding Autoencoder with a Regressor Feedback for Zero-Shot Learning
摘要:零目标学习(ZSL)的目的是利用类别的语义表示来识别新的对象类别,其核心思想是探索新类在语义上如何与熟悉的类相关联的知识。一些典型的模型是学习图像特征空间和语义空间之间的适当嵌入,而学习鉴别特征和包含粗糙到精细的图像特征和语义信息是很重要的。本文提出了一种具有回归反馈模型的ZSL鉴别嵌入自动编码器。编码器学习从图像特征空间到鉴别嵌入空间的映射,从而调节学习到的特征之间的类间距离和类内距离,从而使学习到的特征对目标识别具有区分性。回归反馈学习将重构的样本映射回鉴别嵌入和语义嵌入,帮助解码器提高样本的质量,并对未见类进行推广。该模型在SUN、CUB、AWA 1、AWA 2四个基准数据集上得到了广泛的验证,实验结果表明,该模型的性能优于现有的模型,特别是在广义零起点学习(GZSL)方面,取得了显著的改进。
原文作者:Ying Shi, Wei Wei, Zhiming Zheng
原文地址:https://arxiv.org/abs/1907.08070
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。