基于生成对抗网络的零样本图像分类

• 作者: 张越 魏宏喜
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 深度学习 图像分类 零样本学习 生成对抗网络(GAN) 图像特征生成
• 年，卷（期）: 2019,（12）
• 页码范围: 2345-2350
• 页数: 6页
• 分类号: TP391
• 字数: 4379字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2019.0363

摘要

在图像分类任务中,零样本图像分类问题已成为一个研究热点.为了解决零样本图像分类问题,采用一种基于生成对抗网络(GAN)的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务.同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量.实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4％、0.4％和0.5％.因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏宏喜	内蒙古大学计算机学院	6	55	5.0	6.0
2	张越	内蒙古大学计算机学院	2	3	1.0	1.0