購物車(0)
基于跨域?qū)箤W(xué)習(xí)的零樣本分類
關(guān)鍵詞：零樣本學(xué)習(xí) 生成模型 跨模態(tài)生成 跨域?qū)箤W(xué)習(xí) 聯(lián)合模型
摘要：零樣本學(xué)習(xí)旨在識別具有少量、甚至沒有訓(xùn)練樣本的未見類,這些類與可見類遵循不同的數(shù)據(jù)分布.最近,隨著深度神經(jīng)網(wǎng)絡(luò)在跨模態(tài)生成方面的成功,使用合成的樣本對未見數(shù)據(jù)進(jìn)行分類取得了巨大突破.現(xiàn)有方法通過共享生成器和解碼器,聯(lián)合傳統(tǒng)生成對抗網(wǎng)絡(luò)和變分自編碼器來實(shí)現(xiàn)樣本的合成.然而,由于這2種生成網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)分布不同,聯(lián)合模型合成的數(shù)據(jù)遵循復(fù)雜的多域分布.針對這個問題,提出跨域?qū)股删W(wǎng)絡(luò)(CrossD-AGN),將傳統(tǒng)生成對抗網(wǎng)絡(luò)和變分自編碼器有機(jī)結(jié)合起來,基于類級語義信息為未見類合成樣本,從而實(shí)現(xiàn)零樣本分類.提出跨域?qū)箤W(xué)習(xí)機(jī)制,引入2個對稱的跨域判別器,通過判斷合成樣本屬于生成器域分布還是解碼器域分布,促使聯(lián)合模型中的生成器解碼器不斷優(yōu)化,提高樣本合成能力.在多個真實(shí)數(shù)據(jù)集上進(jìn)行了廣泛的實(shí)驗(yàn),結(jié)果表明了所提出方法在零樣本學(xué)習(xí)上的有效性和優(yōu)越性.
計(jì)算機(jī)研究與發(fā)展雜志要求:
{1}摘要200字左右，應(yīng)具有獨(dú)立性和自明性，闡明撰寫該文的目的、方法、結(jié)論并體現(xiàn)出原創(chuàng)性，不加引注。
{2}來稿請恪守學(xué)術(shù)道德，嚴(yán)禁抄襲。
{3}來稿經(jīng)審查后,編輯部有權(quán)對來稿作適當(dāng)文字修改.來稿不退,請作者自留底稿。
{4}間接引文通常以“參見”或“詳見”等引領(lǐng)詞引導(dǎo)，反映出與正文行文的呼應(yīng)，標(biāo)注時應(yīng)注出具體參考引證的起止頁碼或章節(jié)。標(biāo)注項(xiàng)目、順序與格式同直接引文。
{5}本期刊的文獻(xiàn)引證方式均采用頁下注（腳注），采用小五號宋體，每頁單獨(dú)編號，注釋中卷次、出版時間、刊期、頁碼一律用阿拉伯?dāng)?shù)字表示。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
