發(fā)布時間：2021-08-13 11:15

　　在零樣本圖像識別中,標簽已知的樣本集稱為源域,標簽未知的樣本集稱為目標域,源域中樣本的類別標簽不同于目標域中樣本的類別標簽。零樣本圖像識別算法利用語義屬性作為橋梁,將源域的知識遷移到目標域,從而識別目標域中樣本的標簽。已有的零樣本圖像識別算法將源域中訓(xùn)練出的識別模型直接應(yīng)用到目標域,忽略了已知類樣本集和未知類樣本集在樣本分布上的差異性,會導(dǎo)致投影域遷移問題。此外,目前的零樣本圖像識別模型用樣本所屬類別的原型屬性當做樣本的屬性,導(dǎo)致類內(nèi)樣本屬性多樣性下降,極大限制了模型的泛化能力。針對上述問題,本文的主要研究內(nèi)容如下:第一,為了緩解投影域遷移問題,本文提出基于屬性約束自編碼器的零樣本圖像識別算法（ACAR）。首先,利用自編碼器在源域中訓(xùn)練得到已知類樣本的特征到屬性空間的投影矩陣。然后,在目標域中使用自編碼器,通過添加投影矩陣的約束項將源域的自編碼器和目標域的自編碼器關(guān)聯(lián)起來。并且在目標域的自編碼器中添加未知類樣本的屬性約束項,通過迭代算法得到未知類別樣本的屬性。最后,利用余弦相似性預(yù)測出未知類樣本的標簽。此算法同時利用源域的樣本信息和目標域的樣本信息來學習投影矩陣,結(jié)合對未知類屬性的約束... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

零樣本圖像識別示意圖

圖 2.5 零樣本圖像識別投影域遷移現(xiàn)象為了緩解投影域遷移問題，一方面，相關(guān)工作[12,24,,37,38]提出了一種基于直推式零樣本圖別的方法，這類方法通常是利用目標域樣本的信息對投影函數(shù)的訓(xùn)練進行約束。另一方相關(guān)工作[20,21,22,42]則研究了基于歸納式零樣本圖像識別的方法。這些方法通常充分利用源的相關(guān)信息，對訓(xùn)練模型添加一些附加約束，從而提高模型的泛化性。 本章小結(jié)本章主要對本文研究所涉及的相關(guān)知識做了詳細介紹。首先介紹零樣本圖像識別中語義的概念及其性質(zhì)，并介紹了兩種具有代表性的基于屬性的零樣本圖像識別算法：DAP 和。兩者都屬于歸納式零樣本圖像識別，不同的是 DAP 模型利用源域的樣本為每個屬性訓(xùn)性分類器，IAP 模型利用源域的樣本為已知類別訓(xùn)練類別分類器。隨后介紹了自編碼器念原理、特征和應(yīng)用場景。本章著重介紹了將自編碼器引入到零樣本學習中的SAE算法，模型的建立和推導(dǎo)過程進行了詳細闡述。最后本章介紹了投影域遷移問題：源域中樣本

【參考文獻】：
期刊論文
[1]圖像識別的技術(shù)現(xiàn)狀和發(fā)展趨勢[J]. 張家怡.  電腦知識與技術(shù). 2010(21)

碩士論文
[1]基于深度學習及知識挖掘的零樣本圖像分類[D]. 陳晨.中國礦業(yè)大學 2016



本文編號：3340327