基于属性相关性的零样本学习

作     者：黄俊 刘孟奇 程泽凯 洪旭东 HUANG Jun;LIU Mengqi;CHENG Zekai;HONG Xudong

作者机构：安徽工业大学计算机科学与技术学院安徽马鞍山243032 合肥综合性国家科学中心人工智能研究院合肥230088 

基　　金：国家自然科学基金资助项目(61806005) 安徽高校协同创新项目(GXXT-2020-012,GXXT-2022-052) 安徽高校科学研究重点项目(KJ2021A0373,KJ2019A0064) 

出 版 物：《中国科技论文》 (China Sciencepaper)

年 卷 期：2023年第18卷第3期

页      码：245-251,274页

摘      要：提出一种基于属性相关性的零样本学习(zero-shot learning,ZSL)方法。为了充分利用语义属性信息的内在关系,分别设计了基于均方误差(mean square error,MSE)的排名损失项和属性相关性损失项。排名损失项要求模型预测的视觉属性向量在所有类别属性向量中最靠近其真实类别,以学习到具有区分性的属性表示;属性相关性损失项使模型避免在可见类别样本上过拟合以提高模型在ZSL和广义零样本学习(generalized zero-shot learning,GZSL)任务上的泛化性能。在4个零样本学习基准数据集上进行了实验,验证了所提方法的有效性。

主 题 词：零样本学习 深度学习 图像分类 语义属性 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.2095-2783.2023.03.003

馆 藏 号：203121000...