Fine-Grained Generalized Zero-Shot Learning viaDense Attribute-Based Attention

这是一篇发表在CVPR2020上关于Zero-shot Learning的文章。

论文的进步

①本文主要针对 fine-grained 分类
②基于attribute的dense attention，为每个attribute定位最准确的图像区域，生成 attribute feature
③使用第a个 attribute中的words的平均 GloVe representations（GloVe model trained on Wikipedia articles.）获取 attribute semantic vector；对齐 attribute feature和 attribute semantic vector，得到一个vector of attribute scores；而不是直接对齐 class semantic vector和 global features；以捕捉更加细节的信息。
④特别的，用一个attention调整attribute scores以更好捕捉各个attribute的discriminative power，使得本模型能处理好classes that are different in only a few attributes

总体框架图

具体模型

 

①将一张 input图像分成 R个 regions   ，分别抽取特征得到 region features