在傳統(tǒng)的目標(biāo)分類任務(wù)中,訓(xùn)練模型時(shí)所有類別的樣本都是可用的,然而,在實(shí)際生活中,物體往往具有長尾分布的特征,這就導(dǎo)致有些類別的樣本沒有辦法獲取到,因此采用傳統(tǒng)的目標(biāo)分類方法來解決問題不太可行。而零樣本學(xué)習(xí)與傳統(tǒng)的目標(biāo)分類方法不同,其目標(biāo)是識別之前從未見過的新類別中的目標(biāo)實(shí)例。在零樣本任務(wù)中,訓(xùn)練集中見過的類別和測試集中沒有見過的類別是不相交的。針對這種不可見類的物體識別問題的解決,使得近年來零樣本學(xué)習(xí)被廣泛的研究和關(guān)注。目前已有很多關(guān)于零樣本學(xué)習(xí)的研究,但是依然還有一些未解決的問題。首先針對零樣本學(xué)習(xí)的兩個(gè)問題分析:問題一,即不可見的目標(biāo)類的實(shí)例往往被歸類為已看到的源類之一的問題;問題二,不可見類的視覺特征轉(zhuǎn)化到正確的不可見類的語義特征的概率低的問題。鑒于此,本文采用了一種簡單而有效的零樣本學(xué)習(xí)方法來解決這兩個(gè)問題。在本文中,我們假設(shè)標(biāo)記的源圖像和未標(biāo)記的目標(biāo)圖像都可以用于測試,引入的強(qiáng)偏損失使得在語義嵌入空間中,標(biāo)記的源圖像被映射到源類別指定的幾個(gè)固定點(diǎn),未標(biāo)記的目標(biāo)圖像被強(qiáng)制映射到目標(biāo)類別指定的其他點(diǎn),同時(shí)在本文中加入了多模態(tài)循環(huán)一致的零樣本學(xué)習(xí)方法。當(dāng)前的方法通過學(xué)習(xí)從視覺空間到...

【文章頁數(shù)】：43 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究工作與貢獻(xiàn)
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)工作
    2.1 生成對抗網(wǎng)絡(luò)
        2.1.1 生成對抗網(wǎng)絡(luò)學(xué)習(xí)原理
        2.1.2 生成對抗網(wǎng)絡(luò)的發(fā)展
        2.1.3 WGAN
    2.2 零樣本學(xué)習(xí)
    2.3 廣義零樣本學(xué)習(xí)
    2.4 本章小結(jié)
3 基于無偏嵌入的多模態(tài)循環(huán)一致零樣本學(xué)習(xí)
    3.1 定義零樣本學(xué)習(xí)問題
    3.2 特征生成網(wǎng)絡(luò)
    3.3 回歸網(wǎng)絡(luò)
    3.4 判別器網(wǎng)絡(luò)
    3.5 本章小結(jié)
4 實(shí)驗(yàn)設(shè)計(jì)與分析
    4.1 數(shù)據(jù)集
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 傳統(tǒng)零樣本設(shè)定實(shí)驗(yàn)
        4.3.2 廣義零樣本設(shè)定實(shí)驗(yàn)
    4.4 參數(shù)分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
在讀期間公開發(fā)表論文(著)及科研情況



本文編號：3765927