基于共享特征相对属性的零样本图像分类

摘要：

在利用相对属性学习实现零样本图像分类中,现有的方法并没有考虑属性与类别之间的关系,为此该文提出一种基于共享特征相对属性的零样本图像分类方法.该方法采用多任务学习的思想来共同学习类别分类器和属性分类器,获得一个低维的共享特征子空间,挖掘属性与类别之间的关系.同时,利用共享特征来学习属性排序函数,得到基于共享特征的相对属性模型,解决了相对属性学习过程中丢失属性与类别关系的问题.另外,将基于共享特征的相对属性模型用于零样本图像分类中,有效提高了零样本图像分类的识别率.实验数据集上的结果表明,该方法具有较高的相对属性学习性能和零样本图像分类精度.

关键词：相对属性、多任务学习、共享特征、零样本图像分类

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金41501485 The National Natural Science Foundation of China 41501485

在线出版日期：2017-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1563-1570