[ICCV 2017] Predicting Visual Exemplars of Unseen Classes for Zero-Shot Learning

[paper]

动机: 语义表示和具有分类能力的低维视觉特征之间没有直接关系,因此假设视觉特征聚类中心作为类别语义属性表示。

思想: 将每一个类别 c c c映射到视觉特征空间,并且尽量与类别 c c c的视觉特征聚类中心(PCA降维后特征加和求平均)相似。语义视觉映射 ψ ( a c ) ≈ v c \psi(a_c) \approx v_c ψ(ac)vc,使用的是d个带RBF核的支持向量机,对视觉特征代表的d个维度,分别进行预测。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值