零样本图像识别
深度学习在人工智能领域已经取得了非常优秀的成就,在有监督识别任务中,使用深度学习算法训练海量的带标签数据,可以达到前所未有的识别精确度.但是,由于对海量数据的标注工作成本昂贵,对罕见类别获取海量数据难度较大,所以如何识别在训练过程中少见或从未见过的未知类仍然是一个严峻的问题.针对这个问题,该文回顾近年来的零样本图像识别技术研究,从研究背景、模型分析、数据集介绍、实验分析等方面全面阐释零样本图像识别技术.此外,该文还分析了当前研究存在的技术难题,并针对主流问题提出一些解决方案以及对未来研究的展望,为零样本学习的初学者或研究者提供一些参考.
零样本学习、深度卷积神经网络、视觉语义嵌入、泛化零样本学习
42
TN911.73;TP391.41
国家自然科学基金;江西省自然科学基金
2020-06-02(万方平台首次上网日期,不代表论文的发表时间)
共13页
1188-1200