科技工作者之家
科界APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-11-19
来源:中国科学信息科学
零样本图像分类综述: 十年进展
冀中, 汪浩然, 于云龙, 庞彦伟
中国科学: 信息科学, 2019, 49(10): 1299-1320
关键词 零样本图像分类, 属性, 词向量, 跨模态映射, 领域适应学习
零样本分类 (zero-shot classification, ZSC), 也称作零样本学习 (zero-shot learning), 是指依据一些可见类别 (seen classes) 的数据, 辅以相关常识信息或先验知识, 用于训练某种学习模型, 实现对未见类别 (unseen classes, 指数据标注完全缺失的类别) 的数据进行类别预测和识别的一类技术. 在这种分类场景下, 训练集合和测试集合的类别是不相交的, 这显著有别于传统的分类任务.
图1. 零样本分类与传统的目标分类的区别
现有的物体分类技术大多属于监督学习, 即需要大量标注数据训练相关模型, 这是一件极其费力的工作. 此外, 现实世界中物体的种类还在不断增长, 这需要识别系统不断增加新的数据并重新进行训练, 这些问题严重阻碍了相关技术的进一步发展. 人们迫切需要一种在目标类别的视觉标注数据完全缺失的情况下仍然能够识别这些类别数据的技术. 受到现实需求以及技术不断发展的双重驱动, 零样本分类技术应运而生了.
零样本图像分类指训练集和测试集在数据的类别上没有交集的情况下进行图像分类. 该技术是解决类别标签缺失问题的一种有效手段, 因此受到了日益广泛的关注. 自提出此问题至今, 零样本图像分类的研究已经大致有十年时间.
图2. 目标分类技术的发展过程和趋势
该评述以时间为线索, 分析了零样本技术的前世今生、发展脉络, 以及技术要点, 讨论分析了与相关技术的区别联系, 并且对零样本分类技术面临的问题与挑战以及几个重要的发展趋势进行了探讨, 旨在让广大读者了解零样本技术的发展历史、常见技术, 以及发展趋势.
来源:scis1950 中国科学信息科学
原文链接:http://mp.weixin.qq.com/s?__biz=MzAxNjgwMjA5Ng==&mid=2651149374&idx=1&sn=439607d01393f2bf85e2f336f893b86b&chksm=801ebc61b769357794cb00a4382e485d3e7aabde7bc9c6d8d5e5aeb0d0834528903a2d89ef0d&scene=27#wechat_redirect
版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。
电话:(010)86409582
邮箱:kejie@scimall.org.cn
量子技术助力信息安全
院士专家共话工业信息安全
浙江省烟草学会开展2017年“全国科技工作者日”活动
【网络安全】数据安全:个人信息保护
网曝八成摄像头存在安全隐患
继承钱学森创新思想 引领自动化科技前沿
【网络安全】信息安全管理与风险评估
评论:信息安全是顽疾,得下猛药治
CAC2018专题论坛:信息安全,重于泰山——CPS信息安全与综合安全分论坛圆满举行
安全U盘能自动销毁信息