视觉特征对比解耦的广义零样本学习

打开文本图片集

摘 要：广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征，然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息，这将导致语义—视觉对齐的偏差以及对不可见类的负迁移，从而影响分类结果。为解决上述问题，提出了视觉特征对比解耦的广义零样本学习模型（visual feature contrast decoupling for generalized zero-shot learning，VFCD-GZSL），通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。（剩余19316字）