ZSL开山之作 Lampert et al. Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer
零样本 没有目标类的样本 seen和unseen不相交 传统的分类器只能学习seen类的参数向量,不能学习unseen类参数向量,但可以认为引入属性先验知识。MLP、决策树等是重要的可作为前馈结构的分类系统,总体的目标为分解困难问题到一系列简单的问题,但性能依赖于有监督场景,无法跨越类泛化。基于属性的分类需要设计好seen&unseen类间共享的属性描述,人为引入先验属性作为分类器中间层,使得系统能够识别unseen类。有意义的属性类间共享,所以不需要为每种属性创建单独的训练集。
原创
2023-05-16 15:16:59 ·
243 阅读 ·
2 评论