基于零樣本學(xué)習(xí)的細粒度目標分類旨在讓分類器在即使無訓(xùn)練樣本的情況下對同屬于一個大類的子類目標進行細粒度的劃分,在智慧新零售、人臉識別、智能安防等領(lǐng)域有著十分重要的應(yīng)用。零樣本學(xué)習(xí)算法通過使用共享知識作為中間媒介實現(xiàn)從己訓(xùn)練過類別到未訓(xùn)練過類別之間的知識遷移,因此分類器可用于未訓(xùn)練過類別樣本的分類。目前基于零樣本學(xué)習(xí)的細粒度目標分類研究主要是在單目標分類的場景下直接依賴人工定義的屬性作為中間媒介進行知識遷移。此種分類器受限于人工定義屬性的表達能力,在細粒度分類任務(wù)容易出現(xiàn)視覺特性表征不足問題。在單目標場景下進行分類的設(shè)定也限制了細粒度分類器的實際應(yīng)用。針對上述問題,本文主要的研究內(nèi)容如下:第一,研究單目標場景下基于屬性字典學(xué)習(xí)的零樣本細粒度目標分類相關(guān)理論。首先,研究了基于人工定義屬性的零樣本分類算法,該類算法借助人工定義屬性實現(xiàn)知識遷移從而對未訓(xùn)練過的類別樣本進行正確分類。但是這一做法存在屬性描述能力不足的問題。其次,本文研究了基于潛在屬性學(xué)習(xí)的零樣本分類算法,該類算法通過學(xué)習(xí)潛在屬性擴充人工定義屬性,彌補現(xiàn)有人工定義屬性的描述能力不足的問題。使用聯(lián)合視覺特征、屬性空間和樣本標簽空間使... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１零樣本學(xué)習(xí)示例??

圖１－２?Ｉｎｃｅｔｉｏｎ模塊｜３Ｕ｜和殘差模塊１３１１??

圖１－３基于屬性的零樣本知識遷移??（２）詞向量


本文編號：3470208