零样本学习
文章平均质量分 89
剪刀不加香菜
中科大硕博在读
展开
-
Contrastive Embedding for Generalized Zero-Shot Learning (CVPR2021)
南京理工大学 PCALab 的一篇工作,该实验室在 cvpr2020 也发表过一篇 zsl 的文章,感觉是准备在 zsl 上深耕的吧。这篇文章的出发点在于原始的特征空间缺少鉴别性信息,然后学习一个新的嵌入空间。本文主要利用自监督对比学习来解决。作者贡献如下:提出 hybrid GZSL framework 把生成方法和嵌入方法融合在一起(故事说的还挺好的);提出 contrastive embedding ,既使用 class-wise supervision 也使用 instance-wise原创 2021-08-20 11:37:34 · 1193 阅读 · 0 评论 -
Counterfactual Zero-Shot and Open-Set Visual Recognition (CVPR2021)
这是南洋理工张含望老师组的作品,这篇文章从因果推理出发,来根据反事实推断设计模型,出发点非常的新颖,但不容易懂,因果推理理论是一个非常不错的帮助人换角度看问题的理论工具,多多学习。文章全名叫 Counterfactual Zero-Shot and Open-Set Visual Recognition,其中文章的思想在 Counterfactual 反事实 上。贝叶斯网络之父”的 Pearl 写过一本通俗易懂的科普书《The Book of Why: The New Science of Cause a原创 2021-08-20 11:32:55 · 747 阅读 · 0 评论 -
Latent Embedding Feedback and Discriminative Features for Zero-Shot Classification (ECCV2020)
近来零样本学习文章大多基于生成模型,这篇文章也是在 GAN 的基础上更进一步来提高性能的。本文基于 VAE-GAN,作者说其他人用带 decoder 的模型,在训练之外就把 decoder 丢掉了,这很不好,因此作者倡议在训练、特征生成和分类都使用语义嵌入解码器 semantic embedding decoder (SED)。另外,使用的 feedback loop。创新点有两个,归纳起来就是提出 semantic embedding decoder (SED),并设计 feedback module原创 2020-09-25 20:13:56 · 1083 阅读 · 2 评论 -
[CVPR 2018]Discriminative Learning of Latent Features for Zero-Shot Recognition
文章目录背景贡献模型The Image Feature Network(FNet)The Zoom Network(ZNet)The Embedding Network(ENet)Prediction实验背景作者认为当前(2018年前)zero-shot研究的核心主要是在视觉空间和语意空间中学习合适的映射关系,而忽视了学习ZSL问题中 有判别力的表示。几乎所有的模型都有着相似的范式,即通过手工...原创 2020-02-19 10:38:03 · 910 阅读 · 0 评论