文献类型：期刊文章

作　　者：乔雪[1] 彭晨[1] 段贺[1] 张钰尧[2]

机构地区：[1]中国科学院电子学研究所苏州研究院,苏州215123 [2]中国科学技术大学软件学院,合肥231000

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(41501485)~~

年　　份：2017

卷　　号：39

期　　号：7

起止页码：1563-1570

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：在利用相对属性学习实现零样本图像分类中,现有的方法并没有考虑属性与类别之间的关系,为此该文提出一种基于共享特征相对属性的零样本图像分类方法。该方法采用多任务学习的思想来共同学习类别分类器和属性分类器,获得一个低维的共享特征子空间,挖掘属性与类别之间的关系。同时,利用共享特征来学习属性排序函数,得到基于共享特征的相对属性模型,解决了相对属性学习过程中丢失属性与类别关系的问题。另外,将基于共享特征的相对属性模型用于零样本图像分类中,有效提高了零样本图像分类的识别率。实验数据集上的结果表明,该方法具有较高的相对属性学习性能和零样本图像分类精度。

关 键 词：相对属性  多任务学习 共享特征  零样本图像分类  

分 类 号：TP18]