典型文献
基于随机传播图卷积模型的零样本图像分类
文献摘要：
零样本图像分类旨在识别训练时从未出现过的全新类别(未见类别),为此需要利用辅助信息建模未见类和可见类之间的关系.利用图卷积网络(GCN)进行零样本分类的模型可以借助知识图显式地表达类别之间的关系,但GCN易受过平滑影响,导致模型性能下降.针对此问题提出了基于随机传播图卷积模型的零样本图像分类方法.该方法使用随机传播机制处理原始特征以达到特征扰动和数据扩增的目的;利用数据中类别层级生成的知识图建模类别之间的语义关系.其中,图中节点代表类别,节点间的边代表类别之间的关系.再构建GCN对处理后的特征进行训练,从节点中输出包含未见类别的分类器参数,进而实现零样本图像分类.实验结果表明,该方法可以有效地改善零样本图像分类中的时间消耗、分类精度和泛化性能.
文献关键词：
零样本图像分类;知识图;图卷积网络;随机传播机制;数据扩增
中图分类号：
作者姓名：
芦楠楠;刘一雄;邱铭恺
作者机构：
中国矿业大学信息与控制工程学院,江苏 徐州 221116;中国科学技术大学信息科学技术学院,安徽 合肥 230027
文献出处：
引用格式：
[1]芦楠楠;刘一雄;邱铭恺-.基于随机传播图卷积模型的零样本图像分类)[J].图学学报,2022(04):624-632
A类：
随机传播机制
B类：
图卷积模型,零样本图像分类,从未,新类,辅助信息,信息建模,图卷积网络,GCN,零样本分类,显式,受过,过平滑,模型性能,性能下降,分类方法,特征扰动,数据扩增,图建模,语义关系,中节点,再构,点中,分类器,分类精度,泛化性能
AB值：
0.286496
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。
