一種基于對齊變分自編碼器與三元組結合的零樣本學習方法,輸入已知類別圖像特征及其對應選取的正樣本和負樣本組成的三元組到圖像特征變分自編碼器,輸入已知類別圖像對應的屬性特征到屬性變分自編碼器;通過重建損失、參數對齊損失、交叉重建損失和三元組損失四種損失函數對自編碼器進行優化學習;由編碼器編碼后獲取圖像特征和屬性的潛在空間特征,并在潛在空間訓練一個分類器。利用訓練好的分類器對測試集數據進行測試。本方法能夠為未知類別生成高質量潛在空間特征,彌補了零樣本學習在訓練過程中缺失未知類別訓練樣本的問題,并且能夠更加緊密地聯系視覺特征和語義特征,使得模型更具魯棒性,分類精度明顯提高。
聲明:
“基于對齊變分自編碼器與三元組結合的零樣本學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)