报告内容
(泛读靠自觉,精读要深刻,进展需显著)
论文精读
论文1:(作者,题目,发表信息)
题目:Learning Discriminative Latent Attributes for Zero-Shot Classification
来源:ICCV2017-学习 判别性隐含属性进行零样本分类
问题动机:部分样本数据较少,学习与有标注样本之间的潜在联系,预测未知类别的样本
解决思路:学习属性字典,建立原有属性与潜在属性之间的关系式,使得差异最小;并根据重要程度设置不同权重;隐含属性不仅可以分类还能保证原有语义
方法亮点:对人类定义的属性进行组合,根据隐含属性字典学习潜在关系
主要结果:提升准确率并对语义进行了还原
存在问题:怎么得到的概率值,找到代码和数据表示。
关于能否解决自己问题的思考:aP&Y、SUN-A数据集;图做的比较好,可以进行学习
论文2:(作者,题目,发表信息)
题目:Feature Generating Networks for Zero-Shot Learning
来源:CVPR2018
作者:马普所
问题动机:ZSL&GZSL
解决思路:建立F-CLSWGAN生成图像特征帮助训练,进行零样本学习
方法亮点:原来是生成图片,现在是生成特征;使用了xlsa数据;对GAN增加了CLS分类损失约束
主要结果:提升了精确度
存在问题:CLS有点突兀,W距离可以,其他的呢
关于能否解决自己问题的思考:可否使用CVAE和GAN结合,然后再增加分类约束?
研究进展
方法进展(反映思考深入程度):
实验进展(反映Coding工作量):