本文選題：零樣本學(xué)習(xí)　切入點(diǎn)：典型相關(guān)分析　出處：《天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)》2017年08期 　論文類型：期刊論文

【摘要】：零樣本學(xué)習(xí)是一類特殊的圖像分類問題,是指測試數(shù)據(jù)的類別在訓(xùn)練數(shù)據(jù)中沒有出現(xiàn)的情況.為了更好地描述語義特征空間中圖像特征和語義特征的距離關(guān)系,本文將距離度量學(xué)習(xí)引入零樣本學(xué)習(xí)任務(wù).具體而言,首先利用典型相關(guān)分析將樣本的圖像特征和相應(yīng)類別的語義特征映射至公共特征空間;然后,利用距離度量學(xué)習(xí)衡量圖像特征和語義特征之間的距離;最后,使用最近鄰分類器進(jìn)行分類.通過在流行的Aw A和CUB數(shù)據(jù)集中的實(shí)驗(yàn),證明了所提方法的有效性和魯棒性.
[Abstract]:Zero sample learning is a special image classification problem, which refers to the situation in which the category of test data does not appear in the training data, in order to better describe the distance relationship between image features and semantic features in semantic feature space. In this paper, distance metric learning is introduced into the zero-sample learning task. Firstly, the image features of the samples and the semantic features of the corresponding categories are mapped to the common feature space by canonical correlation analysis. Distance metric learning is used to measure the distance between image features and semantic features. Finally, the nearest neighbor classifier is used to classify images. The effectiveness and robustness of the proposed method are proved by experiments in popular Aw A and CUB datasets.
【作者單位】： 天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61472273,61632018)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳洪,鄭南寧,梁林,徐迎慶,沈向洋;基于樣本學(xué)習(xí)的肖像畫自動(dòng)生成算法[J];計(jì)算機(jī)學(xué)報(bào);2003年02期

2 武匯岳;王建民;戴國忠;;基于小樣本學(xué)習(xí)的3D動(dòng)態(tài)視覺手勢個(gè)性化交互方法[J];電子學(xué)報(bào);2013年11期

相關(guān)碩士學(xué)位論文 前1條

1 劉路平;基于圖像分割的特征提取在零樣本學(xué)習(xí)中的應(yīng)用[D];中國礦業(yè)大學(xué);2016年

，

本文編號：1622561