度量学习改进语义自编码零样本分类算法

陈祥凤^1,2, 陈雯柏^1,2

1. 北京信息科技大学 自动化学院, 北京 100192;
2. 北京大学 机器感知与智能教育部重点实验室, 北京 100871

收稿日期:2018-01-11出版日期:2018-08-28发布日期:2018-10-09

作者简介:陈祥凤(1993-),女,硕士生,E-mail:1057133456@qq.com;陈雯柏(1975-),男,副教授,硕士生导师.
基金资助:机器感知与智能教育部重点实验室2018年度开放课题（K-2018-08）

Improving Semantic Autoencoder Zero-Shot Classification Algorithm by Metric Learning

CHEN Xiang-feng^1,2, CHEN Wen-bai^1,2

1. College of Automation, Beijing Information Science and Technology University, Beijing 100192, China;
2. MOE Key Laboratory of Machine Perception, Peking University, Beijing 100871, China

Received:2018-01-11Online:2018-08-28Published:2018-10-09

摘要/Abstract

摘要： 为改善零样本图像分类中相似度度量方法的鲁棒性，引入了一种用于零样本分类的度量学习方法.该方法由自编码构成，能在特征对齐后的语义嵌入空间中学习到最优的度量函数，用于计算测试样本特征和类标签的语义特征的相似度；然后利用近邻思想预测类别标签，进而避免产生不合适距离函数导致的分类错误.实验结果表明，与传统距离度量的算法相比，所提出的方法降低了识别错误率，在公开数据集AWA、CUB和ImNet-2上的分类准确率分别达到94.7%、63.7%和28.59%；同时表明了语义—视觉的映射方向比相反方向的识别准确率高出2.5%~10.1%.
中图分类号:
TP18

引用本文

陈祥凤, 陈雯柏. 度量学习改进语义自编码零样本分类算法[J]. 北京邮电大学学报, 2018, 41(4): 69-75.
CHEN Xiang-feng, CHEN Wen-bai. Improving Semantic Autoencoder Zero-Shot Classification Algorithm by Metric Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2018, 41(4): 69-75.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3259