基于深度示例差异化的零样本多标签图像分类*
零样本多标签图像分类是对含多个标签且测试类别标签在训练过程中没有相应训练样本的图像进行分类标注.已有的研究表明,多标签图像类别间存在相互关联,合理利用标签间相互关系是多标签图像分类技术的关键,如何实现已见类到未见类的模型迁移,并利用标签间相关性实现未见类的分类是零样本多标签分类需要解决的关键问题.针对这一挑战性的学习任务,提出一种深度示例差异化分类算法.首先利用深度嵌入网络实现图像视觉特征空间至标签语义特征空间的跨模态映射,然后在语义空间利用示例差异化算法实现多标签分类.通过在主流数据集Natural Scene和IAPRTC-12上与已有算法进行对比实验,验证了所提方法的先进性和有效性,同时验证了嵌入网络的先进性.
零样本学习、多标签分类、跨模态映射、多示例学习
13
TP183(自动化基础理论)
The National Natural Science Foundation of China under Grant Nos. 61771329, 61472274 国家自然科学基金
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
97-105