基于稀疏编码空间金字塔模型的零样本学习

• 作者: 徐永刚 董夙慧 陈晨
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 视觉特征 零样本问题 稀疏编码 空间金字塔模型 属性分类器
• 年，卷（期）: 2017,（6）
• 页码范围: 696-702
• 页数: 7页
• 分类号: TP18
• 字数: 6242字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2017.06.013

摘要

针对目前零样本图像分类均采用图像底层视觉特征训练属性分类器而导致分类精度较低的问题,提出一种基于稀疏编码空间金字塔模型的零样本学习方法,给出系统结构流程图.首先从原始视觉图像中提取SWT特征,并进行SIFT特征点提取;然后构建空间金字塔最大池化模型,对已提取的SIFT中间特征进行稀疏编码;最后建立间接属性预测模型.给出基于稀疏编码的空间金字塔最大池化模型的零样本学习算法步骤,完成对目标图像的属性预测,从而达到零样本图像分类的目的.在Shoes数据集与OSR数据集上进行了对比试验.结果表明:试验证实了文中算法的有效性;相对于传统算法,试验耗时减少,图像属性预测精度增加,图像分类识别率提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐永刚	中国矿业大学信息与控制工程学院	21	58	4.0	6.0
2	董夙慧	中国矿业大学信息与控制工程学院	16	41	4.0	5.0
4	陈晨		4	2	1.0	1.0