[TIP 2019] Zero-Shot Learning via Category-Specific Visual-Semantic Mapping and Label Refinement

最新推荐文章于 2024-02-01 15:47:04 发布
最新推荐文章于 2024-02-01 15:47:04 发布
阅读量182 收藏
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cp_oldy/article/details/107442278
版权

[paper]

AEZSL (adaptive embedding ZSL)动态映射的ZSL。之前的论文在源域上学习一个视觉语义映射W，然后直接将这个矩阵用在目标域。本文考虑了不同类别视觉语义映射会有很大差异，为每一个类别都学习一个映射W。源域使用图片和标签，进行学习。目标域通过计算和源域每个类的相似性（余弦距离），然后加权求和得到视觉语义映射矩阵W。

这篇论文和AdaGraph有相似之处。AdaGraph是为每个源域学习一个分类器，构建一个源域和目标域的关系图，利用元数据计算源域和目标域的相似性，然后通过对源域的分类器参数进行加权求和得到目标域的分类器参数。

AEZSL用两个类别的语义向量的余弦距离计算语义相似性，AdaGraph用域的元数据的 e − d ( ϕ ( v 1 ) , ϕ ( v 2 ) ) ) e^{−d(ϕ(v1),ϕ(v2)))} e−d(ϕ(v1),ϕ(v2)))计算两个域的相关性。

上交，牛力

一亩高粱
关注
论文笔记003:[TIP2019] SiGAN:Siamese Generative Adversarial Network for Identity-Preserving Face Hallucin
qq_41876456的博客
06-04 647
摘要 现有的生成对抗网络可以从低分辨率的人脸生成高分辨的人脸，但是不能对高分辨率的人脸做一个识别。为了解决这个问题，作者提出了SIGAN：第一能够从低分辨的人脸中生成高分辨的人脸，第二是修复后的人脸能做身份识别。 主要贡献： 1.提出的SIGAN能够生成高分辨率的人脸和身份标识信息 2.weak binary成对标签的提出：成对的人脸是属于同一个人还是不属于同一个人，用于身份标签信息识别。不需要全部标注信息，减少了工作量，主要是在constractive loss上发挥作用。 方法 1.GAN：两个生成.
Zero-shot Learning零样本学习 论文阅读（四）——Zero-Shot Recognition using Dual Visual-Semantic Mapping Paths
River_J777的博客
12-31 953
Zero-shot Learning零样本学习 论文阅读（四）——Zero-Shot Recognition using Dual Visual-Semantic Mapping Paths背景流形学习语义间隔(semantic gap)算法原理算法思路符号设定算法流程 这篇2017年的论文提供了解决semantic gap问题的简单做法，所谓的semantic gap也就是从图片中提取的低层特征到高层语义之间存在的“语义鸿沟”问题。这与上一篇论文提到的领域漂移问题都是zero-shot learning技
阅读笔记（TIP2019）Local-Adaptive Image Alignment Based on Triangular Facet Approximation
小秋在路上~
02-01 558
DOI: 10.1109/TIP.2019.2949424
VIPL Lab 9篇ACM MM 2019和IEEE TIP 论文精解
我爱计算机视觉
09-11 2037
点击我爱计算机视觉标星，更快获取CVML新技术春华秋实，硕果累累。近期，中国科学院计算技术研究所视觉信息处理与学习研究组（VIPL实验室）再创佳绩，有6篇论文被ACM MM 2019接收...
零示例学习中的映射域迁移 (projection domain shift) 问题
weixin_33737134的博客
10-10 792
雷锋网(公众号：雷锋网) AI 科技评论按：本文由上海交通大学副教授牛力为 AI 科技评论提供的独家稿件，未经许可不得转载。 在传统的机器学习中，训练和测试都在相同的种类集合上进行。而在零示例学习 (zero-shot learning) 中，训练种类集合和测试种类集合没有重合，即在属于训练种类集合的数据上训练模型，然后在属于测试种类集合的数据上进行...
Zero-shot learning（一）：ZSL的基本概念
qq_33328642的博客
04-26 8325
** Zero-shot learning（一）：ZSL的基本概念 -------好久没中一区论文了，在此立个旗。今天把所有的思路整理出来，看过的论文之类的罗列出来。有错误的地方大家批评指正，内容多数是各界大牛的论文，大家一起研究。本文内容大家也可以随便转发或copy。 -------这一章都是基本概念，初学者、或者是对概念不清楚的等同行可以进来看看。基础比较深厚的可以去看后面的内容，或者不看，轻...
《Zero-Shot Recognition via Semantic Embeddings and Knowledge Graphs》论文笔记
klrp95的博客
03-06 2353
目录 abstract introduction abstract zero-shot 识别问题： 学习 存在一个没有训练样例 的类别 的视觉分类器。 根据所提供的视觉数据，使用这个类的word embedding及这个类与其他类别的关系，来训练该视觉分类器。 解决方法：将相似类的知识转移到这个类来描述这个类。 本文在图卷积网络（Graph Convolutional Net...
【零样本学习】Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs
x124612的博客
09-30 3843
Motivation ZSL问题的关键是从seen class迁移知识到unseen class中。一种方法是利用隐式的知识表示(语义向量)来迁移知识。这种方法从文本数据中学习类别的语义向量表示，然后学习语义空间到视觉空间的映射关系，模型受限于语义模型和映射模型的泛化能力。而且很难从结构化信息中学习语义向量。另一种方法是基于显式的知识库或知识图谱。这种方法显示地将知识表示成类别之间的关系(可以利用...
Zero-Shot相关论文阅读报告
MinCong Luo的博客
06-01 6272
# Zero-Shot Learning with Semantic Output Codes 论文:Zero-Shot Learning with Semantic Output Codes We consider the problem of zero-shot learning, where the goal is to learn a classifier f:X→Y...
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文
qq_42671132的博客
12-24 3111
近期必读的6篇 NeurIPS 2019 的零样本学习(Zero-Shot Learning)论文 PS:转发自“专知”公众号 【导读】NeurIPS 是全球最受瞩目的AI、机器学习顶级学术会议之一，每年全球的人工智能爱好者和科学家都会在这里聚集，发布最新研究。NIP...
TIP 2019开源论文：基于深度学习的HEVC多帧环路滤波方法
Paper weekly
11-16 1609
作者丨李天一学校丨北京航空航天大学博士生研究方向丨视频编码与深度学习本文概述的是作者近期在 IEEE TIP 期刊上发表的论文：A Deep Learning Appro...
（转）零次学习（Zero-Shot Learning）入门
热门推荐
一路向北
08-22 4万+
零次学习（Zero-Shot Learning）入门 小栗子    转自：https://zhuanlan.zhihu.com/p/34656727?spm=5176.9876270.0.0.399ce44aXsg7cN  谢谢作者 事物的本质反映世界构成的规律 408 人赞了该文章 很久没有更文章了，主要是没有找到zero-shot learning(ZSL)方面我特别想要分享的...
[CVPR 2019] Semantic Projection Network for Zero- and Few-Label Semantic Segmentation
一亩高粱
08-31 1220
zero- and few-label semantic segmentation
零样本语义分割总结（Zero shot semantic segmentation）
qq_21157073的博客
08-22 4192
Context-aware Feature Generation for Zero-shot Semantic Segmentation 关键点：生成网络不使用随机噪声，而是CM模块生成的上下文相关编码 E网络提取特征，并且诶使用CM模块提取图片的上下文编码 将图片的class embedding 和 CM 模块的编码输入到生成网络中，生成fake sample D用来判断real sample和fake sample，C对生成的fake sample 完成分类，最后达到的效果是G可以根据输入的clas
Zero-shot Learning零样本学习 论文阅读（八）——Zero-Shot Semantic Segmentation
River_J777的博客
02-09 982
Zero-shot Learning零样本学习 论文阅读（八）——Zero-Shot Semantic Segmentation算法模型算法思路算法流程 这是一篇关于基于生成方式的零样本语义分割的论文。 算法模型 算法思路 Zero-shot learning解决了训练实例集并非包含所有类别的识别问题。通过使用类别的高级描述，可以使新类别(unseen classes)与可以使用训练实例的类别(seen classes)相关联来实现这一点，通常利用中间表示形式即有关类别信息的语义信息来完成学习。 将语义信息
【论文笔记】Zero-shot Recognition via semantic embeddings and knowledege graphs
a1424262219的博客
03-31 1192
Zero-shot Recognition via semantic embeddings and knowledege graphs 2018-03-3115:38:39 【Abstract】 　　我们考虑 zero-shot recognition 的问题：学习一个类别的视觉分类器，并且不用 training data，仅仅依赖于 类别的单词映射（the word ...
串流分屏 - 两台笔记本电脑屏幕共享
最新发布
11-04
串流分屏 - 两台笔记本电脑屏幕共享
zero-shot generalization
01-13
Zero-shot generalization refers to the ability of a model to generalize its knowledge and perform well on tasks or domains that it has never been explicitly trained on. It involves transferring ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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