典型文献
融合VAE和StackGAN的零样本图像分类方法
文献摘要：
零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题.随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性.为此,提出一种融合变分自编码(variational auto-encoder,VAE)和分阶段生成对抗网络(stack generative adversarial net-works,StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性.在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性.
文献关键词：
深度学习;零样本学习;图像分类;变分自编码器;生成对抗网络;分阶段网络;句向量;辅助信息
中图分类号：
作者姓名：
张冀;曹艺;王亚茹;赵文清;翟永杰
作者机构：
华北电力大学 计算机系, 河北 保定 071003;华北电力大学 自动化系, 河北 保定 071003
文献出处：
引用格式：
[1]张冀;曹艺;王亚茹;赵文清;翟永杰-.融合VAE和StackGAN的零样本图像分类方法)[J].智能系统学报,2022(03):593-601
A类：
StackGAN,stc,VAEStackGAN,分阶段网络
B类：
零样本图像分类,分类方法,零样本分类,分类算法,法旨,极少,别情,分类问题,生成模型,监督学习,成图,颜色失真,影响图,分类准确性,variational,auto,encoder,生成对抗网络,stack,generative,adversarial,net,works,使用深度,深度学习方法,方法训练,句向量,辅助信息,CLS,公用,零样本学习,变分自编码器
AB值：
0.288868
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
