10.16208/j.issn1000-7024.2021.01.011
基于语义对齐和重构的零样本学习算法
为同时缓解零样本学习算法中固有的枢纽问题和域漂移问题,提出一种基于语义对齐和重构的零样本学习算法.以语义特征嵌入到图像空间的神经网络映射模型为基础,对模型添加语义原型和图像原型对齐的约束条件进一步缓解高维向量枢纽问题对标签预测的影响;对模型添加语义特征重构建的约束条件,缓解域漂移问题对识别正确率的影响.实验结果表明,所提算法在AwA和CUB数据集上达到了较优的识别正确率,验证了其有效性.
零样本学习、语义对齐、枢纽问题、语义重构、域漂移
42
TP18(自动化基础理论)
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
70-75