基于判别性区域特征融合的零样本分类

文档名：基于判别性区域特征融合的零样本分类
零样本学习是指通过学习对象类别的语义描述和图像的视觉描述的嵌入空间来识别从未见过的图像类别.现有零样本学习模型一般是对视觉和语义空间的映射关系进行研究,侧重于映射过程中嵌入空间的选择,却忽视了判别性区域特征在零样本学习中的重要性.为了充分发挥判别性区域特征在零样本学习中的作用,提出了一种基于判别性区域特征融合的零样本分类方法,除了提取全局特征,还提取了关键特征,并将二者进行有效融合,使得判别性区域特征更加明显;采用可学习的端到端的深度度量—关系网络学习视觉特征和语义属性特征之间的关系;最后,根据相似性得分对从未见过的图像类别进行分类.将所提算法在两个具有挑战性的数据集上进行了实验,结果表明了所提方法的有效性.
作者：史彩娟刘靖祎涂冬景刘帅
作者单位：华北理工大学人工智能学院,河北唐山063210
母体文献：第十四届全国信号和智能信息处理与应用学术会议论文集
会议名称：第十四届全国信号和智能信息处理与应用学术会议  
会议时间：2021年4月11日
会议地点：北京
主办单位：中国高科技产业化研究会
语种：chi
分类号：
关键词：零样本图像分类  判别性区域  特征融合  深度学习  语义属性
在线出版日期：2021年6月24日
基金项目：
相似文献
相关博文

2024-12-10 15:00 上传 基于判别性区域特征融合的零样本分类.pdf

文件大小:

6.61 MB

下载次数:

60

高速下载