基于粒子群算法寻最优属性关联下的零样本语义自编码器

• 作者: 芦楠楠 张欣茹 欧倪
• 来源期刊: 电子与信息学报
• 关键词: 零样本图像分类 相对属性 语义自编码器 粒子群优化 属性关联
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像与智能信息处理|Image and Intelligent Imformation Processing
• 页码范围: 982-991
• 页数: 10页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.11999/JEIT200419

摘要

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法.通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类.为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相关性信息的补偿.实验结果表明采取相同映射方法的情况下,基于属性相关性嵌入的零样本图像分类在Pubfig数据集和OSR数据集上的分类效果较之其他方法得到了显著提升.