度量学习改进语义自编码零样本分类算法

• 作者: 陈祥凤 陈雯柏
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 零样本分类 度量学习 语义自编码 语义嵌入空间 距离函数
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 论文
• 页码范围: 69-75
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-010

摘要

为改善零样本图像分类中相似度度量方法的鲁棒性,引入了一种用于零样本分类的度量学习方法.该方法由自编码构成,能在特征对齐后的语义嵌入空间中学习到最优的度量函数,用于计算测试样本特征和类标签的语义特征的相似度;然后利用近邻思想预测类别标签,进而避免产生不合适距离函数导致的分类错误.实验结果表明,与传统距离度量的算法相比,所提出的方法降低了识别错误率,在公开数据集AWA、CUB和ImNet-2上的分类准确率分别达到94.7％、63.7％和28.59％;同时表明了语义—视觉的映射方向比相反方向的识别准确率高出2.5％ ～10.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈祥凤	北京信息科技大学自动化学院	3	10	1.0	3.0
2	陈雯柏	北京大学机器感知与智能教育部重点实验室	1	1	1.0	1.0