Nov, 2016

零样本识别的联合特征适应学习

PDF
TL;DR本文提出一种利用数据依赖特征转换和潜在的结构支持向量机，以及采用双线性相似度函数和正则化最小二乘作为特征位移的惩罚，来进行零样本识别的方法，实验结果表明本文提出的方法在几个基准数据集上表现优异。
zero-shot recognitiondata-dependent feature transformslatent structural svmsbilinear similarity functionsstate-of-the-art performance
发现论文，激发创造
  • 基于联合潜变相似性嵌入的零样本学习

    该研究提出了一种无类别依赖的零样本识别分类器，利用二分类预测问题建模后使用词典学习，通过概率模型进行匹配概率的建模，取得了四个基准数据集平均准确率上 4.9% 的提升，在零样本检索任务中则获得了 22.45% 的平均精确度提升。

    Nov, 2015

  • 领域不变投影学习用于零样本识别

    本文提出一种新的零样本学习模型（DIPL），其中引入一种域不变特征自重建任务并通过语义空间中超类的形成进一步对齐两个域，以解决转移学习中看不见的物体分类问题。我们的模型在大量试验中表现出优异的性能，优于现有技术方案。

    Oct, 2018

  • 统一无监督域自适应与零样本视觉识别

    该论文提出了基于领域自适应的跨域分类问题，通过联合子空间的学习，使用有标签样本辅助实现跨域特征投影不变性，并结合了一种监督的局部保持投影 (SLPP) 技术，同时在无监督和零样本学习条件下，在三个跨域自适应基准数据集上实现了最先进的结果。

    Mar, 2019

  • 零样本识别的潜在特征判别学习

    该研究提出了一种能够自动发现显著区域及在增强的空间中学习辨别性语义表征的端到端网络，用于零样本学习中。在两个具有挑战性的零样本学习数据集上测试，实验结果显示该方法明显优于现有最先进的方法。

    Mar, 2018

  • 基于语义特征合成和竞争学习的零次和少次学习

    本研究提出了一种基于数据合成和竞争双向投影学习的零样本和少样本学习模型，在语义空间和特征空间之间学习了一个鲁棒的投影函数，并将它应用于语义数据的合成和模糊的非监督训练中，取得了最先进的结果。

    Oct, 2018

  • 学习对抗语义嵌入以实现开放世界的零样本识别

    通过结合零样本学习和开放式识别的方法，我们提出一种用于处理未知类别样本的零样本开放式识别问题的模型，通过学习生成未知类别的对抗性语义嵌入来训练分类器，在检测未知类别的同时保持对未见类别的准确分类。

    Jul, 2023

  • 基于语义相似性嵌入的零样本学习

    本研究使用混合模型解决无类别学习问题，通过学习相似度函数来映射源数据和目标数据到同一语义空间中，并在交叉验证的过程中联合优化参数，该方法在零样本识别的基准测试数据集上达到了显著的精确度提高。

    Sep, 2015

  • 基于自训练字典方法的推导式零样本学习

    本文提出一种基于双向映射的语义关系建模方案，实现跨模态的知识转移并解决领域转化问题，通过迭代更新使得分类器不断加强预测能力，实验结果在三个基准数据集上显著优于现有方法。

    Mar, 2017

  • 区域语义对齐网络用于零样本学习

    本文提出了一种利用本地特征将未见类别映射到语义属性的区域语义对齐网络（RSAN）方法，使得将所学类别的知识成功地以区域方式传递给未见类别，并通过语义知识对图像编码器进行属性回归以提取稳健和属性相关的视觉特征，对多个标准 ZSL 数据集的实验验证了该方法的优点，超过了最先进的方法。

    Oct, 2021

  • 以缺失数据问题为形式的零样本学习

    本文探讨了零样本学习方法在解决 ' 缺失数据问题 ' 而非 ' 缺失标签问题 ' 时的有效性，通过将知识从标签嵌入空间转移到图像特征空间，估计未见过的类在图像特征空间的数据分布，实验表明，与现有方法相比，该方法在两个流行数据集上的表现更优

    Dec, 2016