基于公共空间嵌入的端到端深度零样本学习

摘要：

零样本学习(ZSL)是一种特殊的机器学习问题,目的是在测试阶段识别出训练集中未曾出现的类别样本并进行分类.目前主流技术手段有两种:一种是基于属性学习,一种是基于词嵌入模型.两种方法各有优缺点.属性学习可以看作人工特征标记,分类效果往往取决于人工设定的属性好坏.而利用文本特征(词向量)的词嵌入模型无需人为参与也可得到不错的特征以替代属性.文中提出了一种基于公共空间嵌入的深度零样本学习方法.通过图像和文本分别建立深度神经网络并连接两个网络,在顶层学习一个联合嵌入的公共空间.基于深度学习端到端模型的设计可以同时利用属性特征和文本特征实现图像的零样本学习.实验结果表明,该方法达到了较好的识别效果.

关键词：零样本学习、嵌入模型、属性学习、深度神经网络、公共空间、词向量

所属期刊栏目：28

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61702280;江苏省自然科学基金BK20170900;南京邮电大学引进人才科研启动基金NY217009

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：44-47