科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于属性相关性的零样本学习(zero-shot learning, ZSL)方法。为了充分利用语义属性信息的内在关系，分别设计了基于均方误差(mean square error, MSE)的排名损失项和属性相关性损失项。排名损失项要求模型预测的视觉属性向量在所有类别属性向量中最靠近其真实类别，以学习到具有区分性的属性表示；属性相关性损失项使模型避免在可见类别样本上过拟合以提高模型在ZSL和广义零样本学习(generalized zero-shot learning, GZSL)任务上的泛化性能。在4个零样本学习基准数据集上进行了实验，验证了所提方法的有效性。
- 出版日期2023
- 单位安徽工业大学
