基于语义空间信息映射加强的零样本学习方法

• 作者: 吴童桐 翟永杰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 零样本学习 语义空间 映射加强 数据增强 余弦相似度 对比损失
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 113-118,196
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.12.018

摘要

基于语义空间的类别描述信息进行零样本学习的难点是语义特征和图像特征之间存在偏差.对此提出一种基于语义空间信息映射加强的零样本学习方法.在词向量训练时进行数据增强,并将语义空间输出词向量连接全连接层进行语义分析加强并生成语义特征向量.图像使用VGG16卷积神经网络模型提取图像特征向量,结合语义特征向量进行余弦相似度匹配,基于对比损失得到改进的损失函数.实验结果表明,与使用属性特征进行零样本学习的方法对比,该方法的正确率提升了5.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟永杰		92	1421	19.0	35.0
2	吴童桐		3	8	1.0	2.0