基于多域特征融合的零样本分类与检索算法研究

发布时间：2020-05-09 21:35

【摘要】：目标的分类与检索是机器学习研究的基本应用之一,许多实际中的任务都能被视作分类和检索任务来解决。由于深度学习技术的突破,基于大规模有标记样本和大容量的神经网络的方法在许多监督学习任务中的性能极大地超越了很多传统的方法。但是,这种监督分类方法需要足够的有标记样本,并且学习到的分类器不能扩展到训练集中没有的类别,从而也极大的限制了它的应用场景。在许多的应用中,有些类别可能缺乏足够多的训练样本或者甚至没有训练样本。当给定的样本实例是训练集中没有的类别时,这种问题就是一种零样本学习的问题。近些年来,零样本学习的研究逐渐成为热点,本文主要研究这种零样本学习场景下的图像的分类和检索问题。通过对基于语义-视觉关系映射模型的零样本学习方法进行研究和分析,本文提出了一种基于中间空间分类的零样本学习方法,该方法有效地缓解了零样本学习中所遭遇的投影域偏移、空间缺乏判别性等问题,在图像分类的分类和检索任务上都取得了很高的性能。本文的主要工作和贡献如下:首先,本文提出了一种零样本学习方法,为了构建一个具有足够判别性的中间空间,本文使用了一种联合学习的方法,不同空间的信息能够通过中间空间的表示和对应的基矩阵得到恢复,并且中间空间通过对应的标签信息进行监督具有了足够的判别性。其次,考虑到不同空间的信息可能具有互补性,本文考虑多种空间的信息进行分类,相似性空间和融合空间有较大的差异,本文将构造的相似性表示和融合空间的表示进行结合,进一步提高了性能。最后,本论文进行了更加全面的实验比较,包括基于属性的零样本分类实验、基于词向量的零样本分类实验以及零样本检索实验,并对实验结果进行了分析。
【图文】：

图 2.1 迁移学习的基本框架 语义信息与视觉特征.1 语义信息语义通常是描述一类目标的高级或中级的概念，早期的一些[25],[26]工作是利语义特征使图像的检索或分类任务更加鲁棒。Nikhil 等[27]引入了一种基于像检索方法，将图像按照视觉概念的词汇进行标记并构建检索系统实现了好的精度。在零样本学习中，语义信息作为一种必要的信息用于知识的迁信息有通过人工标注而得到的属性特征，还有基于大数据学习得到的词向及类别层级结构等，，下面分别进行介绍。属性特征人类有能力通过高层级的描述来识别新的类别，例如通过句子“体型巨大的鼻子动物”，我们就能可靠地识别出大象。在该例子中，“巨大”、“灰色”，“等都是一些视觉上的信息，有些是大象所特有的特征，而有些则是许多动物

华 中 科 技 大 学 硕 士 学 位 论 文属性为了人类标注的方便，一般都需要具有可解释性以便标注者能够通过对应的目标判断是否该目标含有某个属性。这也限制了属性这种语义信息本身的可扩展性。图 2.2 AwA 数据集中连续属性与类别的关系图给出了 AwA 数据集类别与属性的对应关系，该数据集包含 50 类的样本，每个类标注了 85 维的属性向量，中其中横轴表示的是每一维的属性，纵轴表示样本的类别，图中给出的是连续属性标注的结果。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181;TP391.3

【相似文献】

相关期刊论文 前10条

1 余游;冯林;王格格;徐其凤;;一种基于深度网络的少样本学习方法[J];小型微型计算机系统;2019年11期

2 吴凡;王康;;基于属性平衡正则化的深度零样本学习[J];计算机应用与软件;2018年10期

3 余游;冯林;王格格;徐其凤;;一种基于伪标签的半监督少样本学习模型[J];电子学报;2019年11期

4 潘洁珠;周晓;吴共庆;胡学钢;;基于小样本学习的垃圾邮件过滤方法[J];计算机工程;2010年21期

5 冀中;谢于中;庞彦伟;;基于典型相关分析和距离度量学习的零样本学习[J];天津大学学报(自然科学与工程技术版);2017年08期

6 李敏丹;沈晔;章东平;殷海兵;;基于混合类别标记新技术的小样本学习算法[J];浙江大学学报(工学版);2016年01期

7 陈洪,郑南宁,徐迎庆,沈向洋;基于样本学习的人像线条画生成系统[J];软件学报;2003年02期

8 李新叶;龙慎鹏;;基于度量方式不可知的少量样本的一次性面部识别[J];电脑编程技巧与维护;2020年01期

9 彭光金;俞集辉;韦俊涛;杨光;;特征提取和小样本学习的电力工程造价预测模型[J];重庆大学学报;2009年09期

10 吴信才,王小睿;基于彩色地图的交互式矢量化方法[J];小型微型计算机系统;1998年05期

相关会议论文 前2条

1 陈建智;陈建構;薛玉美;张哲荣;利德江;;使用基于模糊分群法之资讯扩散技术求解小样本学习问题[A];第25届全国灰色系统会议论文集[C];2014年

2 潘世瑞;张阳;李雪;王勇;;针对不确定正例和未标记学习的最近邻算法(英文)[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

相关重要报纸文章 前2条

1 黄渊普;五个样本学习美国生鲜电商运作[N];中国食品报;2013年

2 河南省军区 李光辉;让书本和“样本”对接起来[N];解放军报;2019年

相关博士学位论文 前2条

1 李亚南;零样本学习关键技术研究[D];浙江大学;2018年

2 陶大鹏;高维问题中的小样本学习[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 魏杰;零样本学习中的细粒度图像分类研究[D];广东工业大学;2019年

2 聂金龙;基于度量学习的小样本学习研究[D];大连理工大学;2019年

3 林娇娇;基于Res-Gan网络的零样本学习研究[D];大连理工大学;2019年

4 刘志豪;基于多域特征融合的零样本分类与检索算法研究[D];华中科技大学;2019年

5 马佳炯;基于零样本学习的舌苔体质识别[D];华南理工大学;2019年

6 谭学仕;基于双模态字典的零样本潜在空间映射方法及零样本的对抗生成[D];华南理工大学;2019年

7 王洁欣;基于零样本学习的图像分类研究[D];上海交通大学;2018年

8 周翔;基于深度生成模型的零样本学习[D];电子科技大学;2019年

9 王阳;零样本学习方法及其应用研究[D];南京理工大学;2019年

10 鲁亚男;基于反向预测的零样本学习[D];中国科学技术大学;2018年

本文编号：2656773