典型文献
基于间接域适应特征生成的直推式零样本学习方法
文献摘要：
近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零样本学习方法通过在训练阶段引入无标定的未见类数据进行域适应,能够有效地缓解上述问题并提升零样本学习精度.然而,通过实验分析发现,这种直接在视觉空间同时进行语义映射建立和域适应的直推式零样本学习方法容易陷入"相互制衡"问题,从而无法充分发挥语义映射和域适应的最佳性能.针对上述问题,提出了一种基于间接域适应特征生成(feature generation with indirect domain adaptation,FG-IDA)的直推式零样本学习方法.该方法通过串行化语义映射和域适应优化过程,使得直推式零样本学习的这两大核心步骤能够在不同特征空间分别进行最佳优化,从而激发其潜能提升零样本识别精度.在4个标准数据集(CUB,AWA1,AWA2,SUN)上对FG-IDA模型进行了评估,实验结果表明,FG-IDA模型不仅展示出了相对其他直推学习方法的优越性,同时还在AWA1,AWA2和CUB数据集上取得了当前最优结果(the state-of-the-art performance).此外还进行了详尽的消融实验,通过与直接域适应方法进行对比分析,验证了直推式零样本学习中的"相互制衡"问题以及间接域适应思想的先进性.
文献关键词：
图像分类;零样本学习;生成对抗网络;域适应;特征生成
中图分类号：
作者姓名：
黄晟;杨万里;张译;张小洪;杨丹
作者机构：
重庆大学大数据与软件学院,重庆401331;信息物理社会可信服务计算教育部重点实验室(重庆大学),重庆400044;西南交通大学信息科学与技术学院,四川成都611756
文献出处：
引用格式：
[1]黄晟;杨万里;张译;张小洪;杨丹-.基于间接域适应特征生成的直推式零样本学习方法)[J].软件学报,2022(11):4268-4284
A类：
AWA1,AWA2
B类：
域适应,特征生成,零样本学习,计算机视觉,归纳式,映射关系,知识迁移,漂移,projection,domain,shift,训练阶段,无标定,接在,视觉空间,语义映射,互制,制衡,feature,generation,indirect,adaptation,FG,IDA,串行化,特征空间,识别精度,标准数据集,CUB,SUN,展示出,state,art,performance,详尽,消融实验,图像分类,生成对抗网络
AB值：
0.301828
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。
