Zero-shot learning on the ImageNet of over 20000 classes

最新推荐文章于 2024-07-22 17:21:12 发布
最新推荐文章于 2024-07-22 17:21:12 发布
阅读量1.7k 收藏 1
点赞数
分类专栏： 菜鸟从零开始学习Deep learning

Devise: A deep visual-semantic embedding model (NIPS2013)



Zero-Shot Learning by Convex Combination of Semantic Embeddings (http://arxiv.org/pdf/1312.5650.pdf)

Mohammad Norouzi, Tomas Mikolov, Samy Bengio, Yoram Singer, Jonathon Shlens, Andrea Frome, Greg S. Corrado, Jeffrey Dean



Unsupervised learning of Neural Network outputs 

Yao Lu 

1) A visual representation of classes (Inspire by Hinton's Dark knowledge)

2) a semantic representation of classes from the WordNet graph,

3) a bridge between the visual and semantic representations. 

我是家家
关注
专栏目录
PyTorch深度学习实战（40）——零样本学习(Zero-Shot Learning)
盼小辉丶的博客
04-01 3457
零样本学习 (Zero-Shot Learning) 旨在解决传统监督学习中，当训练数据中不存在某个类别的样本时，如何对该类别进行分类的问题。在传统监督学习中，分类模型需要通过训练数据学习到每个类别的特征和模式，并在测试阶段根据这些学习到的知识对新样本进行分类。然而，在现实世界中，我们无法获得所有可能类别的训练样本，因此零样本学习成为了一种重要的解决方案。在本节中，我们将学习零样本学习的基本概念，并使用 PyTorch 实现零样本学习模型。
Fine-Grained Generalized Zero-Shot Learning viaDense Attribute-Based Attention
m0_50789142的博客
11-10 363
attention + ZSL + fine-grained classification
零样本图像识别综述论文.pdf
04-04
深度学习在人工智能领域已经取得了非常优秀的成就，在有监督识别任务中，使用深度学习算法训练海量的带标签数据，可以达到前所未有的识别精确度。但是，由于对海量数据的标注工作成本昂贵，对罕见类别获取海量数据难度较大，所以如何识别在训练过程中少见或从未见过的未知类仍然是一个严峻的问题。
zero-shot learning 论文三篇小结
热门推荐
liuyuemaicha的专栏
06-27 1万+
what is zero-shot learning zero-shot learning 是为了能够识别在测试中出现，而在训练中未遇到过的数据类别。例如识别一张猫的图片，但在训练时没有训练到猫的图片和对应猫的标签。那么我们可以通过比较这张猫的图片和我们训练过程中的那些图片相近，进而找到这些相近图片的标签，再通过这些相近标签去找到猫的标签。（个人认为zero-shot learning应该属于迁移
DeViSE:A Deep Visual-Semantic Embedding Model
kuxingseng123的博客
01-13 502
慢慢的将各种视觉模型以及语义模型 全部都将其研究彻底，都行啦的理由与打算。
DeViSE: A Deep Visual-Semantic Embedding Model
kuxingseng123的博客
01-13 300
慢慢的自己学会设计架构， 将各种的架构全部都设计出来。都行啦的样子与打算 会自己跑代码，学习自己的架构环境知识。
Latent Embeddings for Zero-shot Classification
cv_family_z的博客
07-29 2819
CVPR2016Latent Embeddings for Zero-shot Classification本文还是针对 zero-shot classification 问题。以前基于 structured embedding frameworks 解决这个问题的思路主要如下：首先将 图像和 类别信息映射到某些多维向量空间。 一般图像的嵌入信息（ Image embeddings ）通过 CNN
《Zero-Shot Recognition via Semantic Embeddings and Knowledge Graphs》论文笔记
klrp95的博客
03-06 2350
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...
HSIC-based Moving Weight Averaging for Few-Shot Open-Set Object Detection 初读笔记 （obsidian+md+claude）
最新发布
m0_55898550的博客
07-22 1530
开集检测文章HSIC-based Moving Weight Averaging for Few-Shot Open-Set Object Detection阅读
【综述】Pre-train, Prompt and Recommendation: A Comprehensive Survey of Language Modelling Paradigm
qq_38866253的博客
03-29 1050
预训练模型和学习到的表示有助于一系列下游任务，本文系统调研了如何从不同PLM（Pre-trained Language Models）相关的训练范式学习到的预训练模型中提取和迁移知识，从而提升推荐性能（泛化性、稀疏性、效率和有效性等）。
深度学习：zero-shot-learning（三）LatEm_cvpr2016
weixin_41108334的博客
09-26 773
https://blog.csdn.net/u011070272/article/details/73730244 https://blog.csdn.net/cv_family_z/article/details/52066547 Latent Embeddings for Zero-shot Classification _cvpr2016 图像嵌入信息 image embeddings...
Zero-shot
lzheng012019的博客
12-17 6392
什么是Zero-shot 在ZSL中，某一类别在训练样本中未出现，但是我们知道这个类别的特征，然后通过语料知识库，便可以将这个类别识别出来。 概括来说，就是已知描述，对未知类别（未在训练集中出现的类别)进行推理。 为什么要用Zero-shot 深度学习(deep learning)已经在各个领域取得了广泛的应用，例如在图像分类问题下，其准确率目前可以达到不错的成绩。然而，deep learning是一种data hungry的技术，高的准确率建立在预先给模型“喂了”大量的数据，即，需要大量的标注样本才能发
Zero-shot Learning 综述2
xiaohuilang6的博客
04-26 645
3. 非线性映射 典型文章：Latent Embeddings for Zero-Shot Classification (LatEm)-2016 CVPR 通过一个隐变量，将SJE模型扩展为非线性 学习线性兼容函数并不特别适合于具有挑战性的细粒度分类问题。对于细粒度分类，需要一个能够自动将具有相似属性的对象分组在一起的模型，然后为每个组学习一个单独的兼容性模型。例如，可以分别学习两种不同的线性函数来区分棕色翅膀的蓝鸟和其他蓝色翅膀的蓝鸟。 主要贡献： 提出学习线性模型的集合，同时允许每个图像类.
论文浅尝 | 当知识图谱遇上零样本学习——零样本学习综述
开放知识图谱
09-26 6377
随着监督学习在机器学习领域取得的巨大发展，如何减少人工在样本方面的处理工作，以及如何使模型快速适应层出不穷的新样本，成为亟待解决的问题。零样本学习（Zero-Shot L...
小样本学习论文总结（few-shot learning）
u010960155的博客
03-24 5807
2011 Lake, Brenden, et al. "One shot learning of simple visual concepts."Proceedings of the annual meeting of the cognitive science society. Vol. 33. No. 33. 2011.[paper] 2013 Socher, Richard, et ...
Zero-Shot Learning论文阅读笔记（第二周）
Ace Cheney的博客
10-11 1631
Zero-Shot Learning论文阅读笔记（第二周）第一篇：Zero-shot recognition using dual visualsemantic mapping paths摘要算法简介实验结果引用第二篇：Predicting visual exemplars of unseen classes for zero-shot learning摘要算法简介实验结果引用第三篇：Zero-S...
Transfer Learning　迁移学习
Assassintt的专栏
09-25 511
什么是迁移学习 迁移是属于机器学习的一种研究领域。它专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。 比如说，用来辨识汽车的知识（或者是模型）也可以被用来提升识别卡车的能力。 计算机领域的迁移学习和心理学常常提到的学习迁移在概念上有一定关系，但是两个领域在学术上的关系非常有限。 wiki 迁移学习的可行性一定基础上建立在人类的行为上，因为人类是不断在做迁移学习的。在有一些不相關...
Latent Embedding Feedback and Discriminative Features for Zero-Shot Classification (ECCV2020)
剑启郁兰的博客
09-25 1098
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
[CVPR 18] Discriminative Learning of Latent Features for Zero-Shot Recognition
hairui88的博客
11-02 598
零样本学习：利用注意力网络学习有判别性的隐含特征。
Synthesized Classifiers for Zero-Shot Learning
07-14
Synthesized Classifiers for Zero-Shot Learning（零样本学习的合成分类器）是一种用于解决零样本学习问题的方法。在传统的分类任务中，我们通常有大量的标记样本来训练分类器。但在零样本学习中，我们面临的挑战是...
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