基于典型相关分析和距离度量学习的零样本学习

摘要：

零样本学习是一类特殊的图像分类问题,是指测试数据的类别在训练数据中没有出现的情况.为了更好地描述语义特征空间中图像特征和语义特征的距离关系,本文将距离度量学习引入零样本学习任务.具体而言,首先利用典型相关分析将样本的图像特征和相应类别的语义特征映射至公共特征空间;然后,利用距离度量学习衡量图像特征和语义特征之间的距离;最后,使用最近邻分类器进行分类.通过在流行的AwA和CUB数据集中的实验,证明了所提方法的有效性和鲁棒性.

关键词：零样本学习、典型相关分析、距离度量学习、图像分类

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472273,61632018. Supported by the National Natural Science Foundation of China. 61472273 and 61632018

在线出版日期：2017-09-04（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：813-820