零样本图像分类综述

摘要：

面对人工标注大量样本费时费力,一些稀有类别样本难于获取等问题,零样本图像分类成为计算机视觉领域的一个研究热点.首先,对零样本学习,包括直推式零样本学习和归纳式零样本学习进行了简单介绍;其次,重点介绍了基于空间嵌入零样本图像分类方法和基于生成模型零样本图像分类方法以及它们的子类方法,并对这些方法的机制、优缺点和适用场景等进行了分析和总结;然后,简单介绍了零样本图像分类常用数据集和评估方法,并对典型零样本图像分类方法进行了性能比较;接着,指出了现有零样本图像分类中存在的领域漂移、枢纽点和语义鸿沟等问题及相应的解决思路;最后,对零样本图像分类未来发展趋势和研究热点,如判别性区域的准确定位、生成高质量不可见类视觉特征、广义零样本图像分类等进行了探讨.

关键词：零样本学习、零样本图像分类、嵌入空间、生成模型、深度学习

所属期刊栏目：15

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;华北理工大学杰出青年基金;河北省研究生示范课项目

在线出版日期：2021-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：812-824