零样本图像分类方法综述

摘要：

图像分类作为图像处理的基础,一直是热门的研究话题.传统的图像分类方法需要采用大量专家标记的数据集,成本较大且无法识别未训练的图像类别;零样本图像分类作为迁移学习的一个分支,可以将已有的知识属性迁移到未知类中,从而完成对未知类图像的分类识别,因此降低了训练数据的标记成本,且能在样本稀缺的情况下实现对新事物的分类识别.首先,简单介绍了零样本学习的概念;其次,着重介绍了基于属性预测、基于特征嵌入和基于生成模型的零样本图像分类方法;然后,简要介绍了零样本图像分类的数据集以及评估方法,并对经典模型的实验结果做了比较分析;最后,提出了零样本图像分类方法普遍存在的问题以及相应的解决思路.

关键词：零样本图像分类、零样本学习、属性预测、特征嵌入、生成模型

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：北京印刷学院科研创新团队项目;北京印刷学院学科建设和研究生教育专项;北京印刷学院校级项目;北京印刷学院校级项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13