期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到101篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于特征增强模型的广义零样本学习
1
作者 梁嘉豪 《计算机科学与应用》 2024年第4期115-122,共8页
传统零样本学习旨在通过训练模型实现对未知类别的样本的精确分类,使模型具备对新任务和新环境的适应能力。但广义零样本学习的目标更为艰巨,它不仅要求模型能够辨识并分类未知类别的样本,还需确保对已知类别的样本也能准确无误地归入... 传统零样本学习旨在通过训练模型实现对未知类别的样本的精确分类,使模型具备对新任务和新环境的适应能力。但广义零样本学习的目标更为艰巨,它不仅要求模型能够辨识并分类未知类别的样本,还需确保对已知类别的样本也能准确无误地归入其对应的类别。由于在实际的训练过程中,我们仅能获得已知类别的样本,这使得零样本学习在分类任务中面临巨大的挑战。为了克服这一难题,我们创新性地提出了特征增强模型(Feature Enhancement Model,简称FE)。该模型不仅具备生成高质量未知类别样本的能力,以弥补训练样本的不足,而且能够构建每个样本的虚拟语义信息。此外,FE模型还配备了特征过滤模块,用于筛选出每个样本的核心特征。最终,模型将这些核心特征、样本本身以及虚拟语义信息相结合,作为最终的特征进行分类。这种方法通过凸显每类样本的独特性,有效地提升了分类的准确性和性能。 展开更多
关键词 传统零样本学习 广义零样本学习 特征增强模型
下载PDF
基于Swin Transformer的嵌入式零样本学习算法
2
作者 郜佳琪 魏巍 岳琴 《小型微型计算机系统》 CSCD 北大核心 2024年第4期784-791,共8页
零样本学习旨在解决样本缺失情况下的分类问题.以往嵌入式零样本学习算法通常只利用可见类构建嵌入空间,在测试时不可避免会出现过拟合可见类的问题.基于此本文提出了一种基于类别语义相似度的多标签分类损失,该损失可在构建嵌入空间的... 零样本学习旨在解决样本缺失情况下的分类问题.以往嵌入式零样本学习算法通常只利用可见类构建嵌入空间,在测试时不可避免会出现过拟合可见类的问题.基于此本文提出了一种基于类别语义相似度的多标签分类损失,该损失可在构建嵌入空间的过程中引导模型同时考虑与当前可见类语义上相似的未见类,进而将语义空间的相似性迁移到最终执行分类的嵌入空间.同时现有零样本学习算法大部分直接使用图像深度特征作为输入,特征提取过程没有考虑语义信息,基于此本文采用Swin Transformer作为骨干网络,输入原始图片利用自注意力机制得到基于语义信息的视觉特征.本文在3个零样本学习基准数据集上进行了大量实验,与目前最先进的算法相比取得了最佳的调和平均精度. 展开更多
关键词 零样本学习 深度学习 图像分类 注意力 Swin Transformer
下载PDF
基于零样本学习的枸杞虫害识别
3
作者 宋文韬 姜茹月 舒欣 《江苏农业学报》 CSCD 北大核心 2024年第2期320-330,共11页
针对农业领域缺少有效的零样本虫害识别与检索方法,本研究提出一种基于零样本学习的枸杞虫害检索与识别方法。首先,通过对原始数据进行深层矩阵分解获得深层次结构特征,获取不同模态数据的特征表示,生成各模态的哈希码。然后结合类别属... 针对农业领域缺少有效的零样本虫害识别与检索方法,本研究提出一种基于零样本学习的枸杞虫害检索与识别方法。首先,通过对原始数据进行深层矩阵分解获得深层次结构特征,获取不同模态数据的特征表示,生成各模态的哈希码。然后结合类别属性信息对生成的哈希码引入线性约束,实现已知类别到新类别之间的知识迁移。最后,对所提出的模型通过直接学习离散哈希码避免了连续松弛方法带来的量化误差,提高了检索精度。在2020年宁夏枸杞虫害图文跨模态检索数据集及Wiki、Pascal VOC这3个公开数据集上的试验结果表明,与现有的基于协同矩阵分解的哈希方法(CMFH)、基于潜在语义的稀疏哈希方法(LSSH)、基于迁移监督知识的哈希方法(TSK)、基于属性的哈希方法(AH)、基于跨模态属性的哈希方法(CMAH)、基于正交投影的哈希方法(CHOP)、离散非对称零样本哈希方法(DAZSH)相比,本研究所提出的方法具有优越性。 展开更多
关键词 零样本学习 矩阵分解 枸杞病虫害识别 哈希码
下载PDF
基于零样本学习的单张SAR图像相干斑滤波方法
4
作者 邓均午 李铭典 陈思伟 《信号处理》 CSCD 北大核心 2024年第5期932-943,共12页
相干斑滤波是合成孔径雷达(Synthetic aperture radar,SAR)图像解译重要的预处理步骤。近年来,基于卷积神经网络(Convolutional neural network,CNN)的相干斑滤波方法得到了快速的发展。然而,基于监督学习的滤波方法缺乏无相干斑参考SA... 相干斑滤波是合成孔径雷达(Synthetic aperture radar,SAR)图像解译重要的预处理步骤。近年来,基于卷积神经网络(Convolutional neural network,CNN)的相干斑滤波方法得到了快速的发展。然而,基于监督学习的滤波方法缺乏无相干斑参考SAR图像作为真值,基于自监督学习的滤波方法大多需要同一场景的多时相SAR图像训练网络,但是这些额外的数据集在实际场景中较难获取。此外,自监督学习方法通常需要较大的训练数据集和较深的网络进行相干斑滤波,导致其计算复杂度较高。因此,本文提出了一种基于零样本学习的单张SAR图像相干斑滤波方法。该方法的核心思想是对待测试的单张SAR图像进行子视分解,选取与待测试SAR图像欧式距离最近的子视图像进行配对,理论上证明了使用配对的子视图像自监督训练网络能达到使用无相干斑参考SAR图像监督训练网络的滤波效果。因此,通过设计自监督损失函数快速训练轻量化相干斑滤波网络,将训练好的网络对待测试SAR图像进行滤波。相较于基于监督学习和自监督学习的相干斑滤波方法,本文所提方法不需要无相干斑参考或多时相SAR图像用于模型训练,也不需要额外训练数据,只需使用任意一个轻量化的CNN即可实现相干斑滤波。在Radarsat-2和ALOS-2实测数据上的实验结果表明,本文所提方法的参数量比对比方法低22倍,能更好的实现对匀质区域相干斑的抑制和图像细节的保护。 展开更多
关键词 合成孔径雷达 卷积神经网络 零样本学习 相干斑滤波 子视分解
下载PDF
基于零样本学习的物体检测网络
5
作者 张靖 于伶 《计算机应用文摘》 2024年第11期129-131,共3页
作为先进的机器学习方法,零样本学习旨在解决在训练阶段未知物体的分类问题。传统的机器人抓取方法需要训练大量的标记样本以得到模型,进而学习对物体的分类和抓取。然而,这些方法在抓取未知物体时面临一定的困难,其中机器人未曾接触过... 作为先进的机器学习方法,零样本学习旨在解决在训练阶段未知物体的分类问题。传统的机器人抓取方法需要训练大量的标记样本以得到模型,进而学习对物体的分类和抓取。然而,这些方法在抓取未知物体时面临一定的困难,其中机器人未曾接触过这些物体,无法在训练数据中学习抓取。因此,零样本学习方法发挥了重要作用,其基本思想是利用已知类别的数据训练视觉-语义交互模型将语义知识扩展到未知类别,以控制机器人对未知类别进行识别与抓取。 展开更多
关键词 零样本学习 机器人抓取 未知物体
下载PDF
基于组合零样本学习的接触网吊弦线缺陷识别 被引量：1
6
作者 顾桂梅 贾耀华 +2 位作者 赵岩浩 张文辉 闫炳旭 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第11期2285-2293,共9页
目前现场接触网吊弦缺陷图像严重不足,导致模型特征学习不充分,识别准确率难以得到有效提高,为此提出基于组合零样本学习的接触网吊弦线缺陷识别方法.采用以ResNet-50作为主干网络的视觉特征提取模块提取图像视觉特征;使用预训练的Word2... 目前现场接触网吊弦缺陷图像严重不足,导致模型特征学习不充分,识别准确率难以得到有效提高,为此提出基于组合零样本学习的接触网吊弦线缺陷识别方法.采用以ResNet-50作为主干网络的视觉特征提取模块提取图像视觉特征;使用预训练的Word2Vec词向量对标签组合图中的节点特征进行初始化,并通过2层图卷积网络学习标签组合图中各节点之间的依赖关系,从而优化组合标签节点的语义特征,改善最终的识别效果;将提取到的视觉特征和优化后的组合标签节点的语义特征相对齐,构建相似度函数计算图像视觉特征与组合标签语义特征之间的相似度得分,并通过交叉熵损失完成图像组合标签的预测.仿真实验结果表明:所提方法对可见类样本的类平均检测准确率为93.5%,对不可见类样本的类平均检测准确率为86.5%. 展开更多
关键词 接触网吊弦 缺陷识别 组合零样本学习 ResNet-50网络 图卷积网络 词向量
下载PDF
基于生成式零样本学习的未知恶意流量分类方法 被引量：1
7
作者 王正文 王俊峰 《四川大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期67-74,共8页
未知恶意流量是网络安全的重大安全挑战,对未知恶意流量的分类能够增强网络威胁识别能力,指导网络防御策略.未知恶意流量由于缺乏样本,无法满足现有的深度学习方法对大量数据的需要.本文提出了一种基于生成式零样本学习的未知恶意流量... 未知恶意流量是网络安全的重大安全挑战,对未知恶意流量的分类能够增强网络威胁识别能力,指导网络防御策略.未知恶意流量由于缺乏样本,无法满足现有的深度学习方法对大量数据的需要.本文提出了一种基于生成式零样本学习的未知恶意流量分类方法.从原始的网络流量中提取出关键的恶意流量信息并转化为二维图像,提出将恶意流量的属性信息作为辅助语义信息,利用条件生成对抗网络生成类别样本.同时,本文还添加了类级别的对比学习网络,使得生成的类别样本质量更高并且更具有类间区分度.实验结果表明,该方法在未知恶意流量分类问题上平均准确率能够达到90%以上,具有较高的应用价值. 展开更多
关键词 零样本学习 未知恶意流量 生成对抗网络 对比学习
下载PDF
视觉特征对比解耦的广义零样本学习
8
作者 张志远 杨关 +1 位作者 刘小明 刘阳 《计算机应用研究》 CSCD 北大核心 2023年第6期1912-1920,共9页
广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,... 广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,提出了视觉特征对比解耦的广义零样本学习模型(visual feature contrast decoupling for generalized zero-shot learning,VFCD-GZSL),通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。具体来说,首先用条件变分自编码器生成不可见类的视觉特征。然后通过解耦模块将视觉特征解耦语义相关和语义无关的潜层表示,同时添加总相关惩罚和对比损失来鼓励两者间的相互独立,并用语义关系匹配模型衡量其语义一致性,从而指导模型学习语义相关表示。最后使用特征细化模块细化后的特征和语义相关表示联合学习一个广义零样本学习分类器。在四个数据集上的实验均取得较优的结果,证实了所提方法的有效性。 展开更多
关键词 广义零样本学习 解耦表征学习 变分自编码器 生成模型 特征融合
下载PDF
基于低秩堆栈式语义自编码器的零样本学习 被引量：1
9
作者 冉瑞生 董殊宏 +1 位作者 李进 王宁 《计算机应用研究》 CSCD 北大核心 2023年第2期539-543,共5页
在图像分类领域,现有的深度学习等方法在训练时需要大量有标注的数据样本,且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入,提出了一种新的零样本学习方法,即基于低秩嵌入的堆栈... 在图像分类领域,现有的深度学习等方法在训练时需要大量有标注的数据样本,且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入,提出了一种新的零样本学习方法,即基于低秩嵌入的堆栈语义自编码器(low-rank stacked semantic auto-encoder,LSSAE)。该模型基于编码-解码机制,编码器学习到一个具有低秩结构的投影函数,用于将图像的视觉特征空间、语义描述空间以及标签进行连接;解码阶段重建原始视觉特征。并通过低秩嵌入,使得学习到的模型在预见未见类别时能共享已见类的语义信息,从而更好地进行分类。本研究在五个常见的数据集上进行实验,结果表明LSSAE的性能优于已有的零样本学习方法,是一种有效的零样本学习方法。 展开更多
关键词 图像分类 零样本学习 堆栈式自编码器 低秩嵌入
下载PDF
基于零样本学习的未知辐射源个体识别研究
10
作者 孙程远 杜奕航 +1 位作者 张涛 杨小蒙 《电子测量技术》 北大核心 2023年第22期41-48,共8页
针对辐射源个体识别基本遵循闭集假设无法有效识别未知类的问题,提出了一种基于零样本学习的辐射源个体识别模型实现对已知类和未知类辐射源个体识别。通过搭建卷积神经网络提取隐藏在辐射源信号数据下的语义特征,引入注意力模块增强对... 针对辐射源个体识别基本遵循闭集假设无法有效识别未知类的问题,提出了一种基于零样本学习的辐射源个体识别模型实现对已知类和未知类辐射源个体识别。通过搭建卷积神经网络提取隐藏在辐射源信号数据下的语义特征,引入注意力模块增强对关键特征的关注,提出一种组合损失函数促使不同类辐射源信号在语义特征空间分离,根据辐射源信号在语义特征空间的分布进行辐射源个体分类识别。实验结果表明,相较于传统闭集识别,本文所提模型在能够在保持已知类识别率的前提下识别未知类且能在未知类之间区分,平均识别率达到90%以上。在工程化验证中,搭建的未知辐射源个体识别平台能够在室内及室外场景下实现快速准确识别。 展开更多
关键词 辐射源个体识别 零样本学习 卷积神经网络 注意力模块 组合损失
原文传递
基于零样本学习的集装箱箱号识别系统研究 被引量：1
11
作者 刘东辉 刘奇 +1 位作者 沈毅炜 赵中华 《港口装卸》 2023年第6期50-52,共3页
针对传统集装箱号识别方法对于新出现的没有标签的集装箱无法进行准确识别问题,介绍一种用于集装箱号自动识别的基于语义自编码器的零样本学习方法。该方法可实现对陌生集装箱号的准确识别;给出一种基于该方法的箱号识别系统及其智能视... 针对传统集装箱号识别方法对于新出现的没有标签的集装箱无法进行准确识别问题,介绍一种用于集装箱号自动识别的基于语义自编码器的零样本学习方法。该方法可实现对陌生集装箱号的准确识别;给出一种基于该方法的箱号识别系统及其智能视觉识别系统、后端集中管控系统、web前端系统组成,可为集装箱号识别解决方案提供参考。 展开更多
关键词 集装箱箱号 识别 零样本学习 语义自编码器
下载PDF
基于属性相关性的零样本学习
12
作者 黄俊 刘孟奇 +1 位作者 程泽凯 洪旭东 《中国科技论文》 CAS 北大核心 2023年第3期245-251,274,共8页
提出一种基于属性相关性的零样本学习(zero-shot learning,ZSL)方法。为了充分利用语义属性信息的内在关系,分别设计了基于均方误差(mean square error,MSE)的排名损失项和属性相关性损失项。排名损失项要求模型预测的视觉属性向量在所... 提出一种基于属性相关性的零样本学习(zero-shot learning,ZSL)方法。为了充分利用语义属性信息的内在关系,分别设计了基于均方误差(mean square error,MSE)的排名损失项和属性相关性损失项。排名损失项要求模型预测的视觉属性向量在所有类别属性向量中最靠近其真实类别,以学习到具有区分性的属性表示;属性相关性损失项使模型避免在可见类别样本上过拟合以提高模型在ZSL和广义零样本学习(generalized zero-shot learning,GZSL)任务上的泛化性能。在4个零样本学习基准数据集上进行了实验,验证了所提方法的有效性。 展开更多
关键词 零样本学习 深度学习 图像分类 语义属性
下载PDF
基于双语义双向对齐VAE的广义零样本学习
13
作者 史彩娟 石泽 +1 位作者 闫巾玮 毕阳阳 《图学学报》 CSCD 北大核心 2023年第3期521-530,共10页
广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提... 广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提出了一种基于双语义双向对齐变分自编码器的广义零样本学习模型,首先采用户定义的属性和词向量两种语义原型,基于双向对齐的VAE分别稳定地生成2种伪视觉特征来获取丰富的语义信息;然后,设计了特征融合模块对2种伪视觉特征进行有效融合,并去除其中的冗余信息,增强伪视觉特征表示;最后,采用分类正则化进一步增强伪视觉特征的类别独立性。在3个基准数据集上进行了大量实验,并与相关算法模型进行了比较,结果表明了该模型的有效性。 展开更多
关键词 广义零样本学习 生成模型 双语义原型 双向对齐变分自编码器 特征融合增强
下载PDF
基于典型相关分析和距离度量学习的零样本学习 被引量：5
14
作者 冀中 谢于中 庞彦伟 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2017年第8期813-820,共8页
零样本学习是一类特殊的图像分类问题,是指测试数据的类别在训练数据中没有出现的情况.为了更好地描述语义特征空间中图像特征和语义特征的距离关系,本文将距离度量学习引入零样本学习任务.具体而言,首先利用典型相关分析将样本的图像... 零样本学习是一类特殊的图像分类问题,是指测试数据的类别在训练数据中没有出现的情况.为了更好地描述语义特征空间中图像特征和语义特征的距离关系,本文将距离度量学习引入零样本学习任务.具体而言,首先利用典型相关分析将样本的图像特征和相应类别的语义特征映射至公共特征空间;然后,利用距离度量学习衡量图像特征和语义特征之间的距离;最后,使用最近邻分类器进行分类.通过在流行的Aw A和CUB数据集中的实验,证明了所提方法的有效性和鲁棒性. 展开更多
关键词 零样本学习 典型相关分析 距离度量学习 图像分类
下载PDF
基于多标签零样本学习的滚动轴承故障诊断 被引量：2
15
作者 张永宏 邵凡 +3 位作者 赵晓平 王丽华 吕凯扬 张中洋 《振动与冲击》 EI CSCD 北大核心 2022年第11期55-64,89,共11页
近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方... 近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。 展开更多
关键词 零样本学习(ZSL) 特征提取 多标签 属性学习器 滚动轴承
下载PDF
基于间接域适应特征生成的直推式零样本学习方法 被引量：1
16
作者 黄晟 杨万里 +2 位作者 张译 张小洪 杨丹 《软件学报》 EI CSCD 北大核心 2022年第11期4268-4284,共17页
近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零... 近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零样本学习方法通过在训练阶段引入无标定的未见类数据进行域适应,能够有效地缓解上述问题并提升零样本学习精度.然而,通过实验分析发现,这种直接在视觉空间同时进行语义映射建立和域适应的直推式零样本学习方法容易陷入“相互制衡”问题,从而无法充分发挥语义映射和域适应的最佳性能.针对上述问题,提出了一种基于间接域适应特征生成(feature generation with indirect domain adaptation,FG-IDA)的直推式零样本学习方法.该方法通过串行化语义映射和域适应优化过程,使得直推式零样本学习的这两大核心步骤能够在不同特征空间分别进行最佳优化,从而激发其潜能提升零样本识别精度.在4个标准数据集(CUB,AWA1,AWA2,SUN)上对FG-IDA模型进行了评估,实验结果表明,FG-IDA模型不仅展示出了相对其他直推学习方法的优越性,同时还在AWA1,AWA2和CUB数据集上取得了当前最优结果(the state-of-the-art performance).此外还进行了详尽的消融实验,通过与直接域适应方法进行对比分析,验证了直推式零样本学习中的“相互制衡”问题以及间接域适应思想的先进性. 展开更多
关键词 图像分类 零样本学习 生成对抗网络 域适应 特征生成
下载PDF
基于语义空间信息映射加强的零样本学习方法 被引量：3
17
作者 翟永杰 吴童桐 《计算机应用与软件》 北大核心 2020年第12期113-118,196,共7页
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... 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%。 展开更多
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
下载PDF
融合零样本学习和小样本学习的弱监督学习方法综述 被引量：14
18
作者 潘崇煜 黄健 +2 位作者 郝建国 龚建兴 张中杰 《系统工程与电子技术》 EI CSCD 北大核心 2020年第10期2246-2256,共11页
深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战,很多学者针对数据依赖小的弱监督学习方法开展研究,出现了小样本学习、零样本学习等典型研究方向。对此,本文主要介绍了... 深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战,很多学者针对数据依赖小的弱监督学习方法开展研究,出现了小样本学习、零样本学习等典型研究方向。对此,本文主要介绍了弱监督学习方法条件下的小样本学习和零样本学习,包括问题定义、当前主流方法以及实验设计方案,并对典型模型的分类性能进行对比。然后,给出零-小样本学习的问题描述,总结研究现状和实验设计,并对比典型方法的性能。最后,基于当前研究中出现的问题对未来研究方向进行展望,包括多种弱监督学习方法的融合与理论基础的探究,以及在其他领域的应用。 展开更多
关键词 弱监督学习 小样本学习 零样本学习 零小样本学习
下载PDF
零样本学习研究进展 被引量：23
19
作者 张鲁宁 左信 刘建伟 《自动化学报》 EI CSCD 北大核心 2020年第1期1-23,共23页
近几年来,深度学习在机器学习研究领域中取得了巨大的突破,深度学习能够很好地实现复杂问题的学习,然而,深度学习最大的弊端之一,就是需要大量人工标注的训练数据,而这需要耗费大量的人力成本.因此,为了缓解深度学习存在的这一问题,Pala... 近几年来,深度学习在机器学习研究领域中取得了巨大的突破,深度学习能够很好地实现复杂问题的学习,然而,深度学习最大的弊端之一,就是需要大量人工标注的训练数据,而这需要耗费大量的人力成本.因此,为了缓解深度学习存在的这一问题,Palatucci等于2009年提出了零样本学习(Zero-shot learning).零样本学习是迁移学习的一种特殊场景,在零样本学习过程中,训练类集和测试类集之间没有交集,需要通过训练类与测试类之间的知识迁移来完成学习,使在训练类上训练得到的模型能够成功识别测试类输入样例的类标签.零样本学习的意义不仅在于可以对难以标注的样例进行识别,更在于这一方法模拟了人类对于从未见过的对象的认知过程,零样本学习方法的研究,也会在一定程度上促进认知科学的研究.鉴于零样本学习的应用价值、理论意义和未来的发展潜力,文中系统综述了零样本学习的研究进展,首先概述了零样本学习的定义,介绍了4种典型的零样本学习模型,并对零样本学习存在的关键问题及解决方法进行了介绍,对零样本学习的多种模型进行了分类和阐述,并在最后指明了零样本学习进一步研究中需要解决的问题以及未来可能的发展方向. 展开更多
关键词 零样本学习 描述 属性 训练类 测试类 嵌入空间
下载PDF
基于公共空间嵌入的端到端深度零样本学习 被引量：3
20
作者 秦牧轩 荆晓远 吴飞 《计算机技术与发展》 2018年第11期44-47,共4页
零样本学习(ZSL)是一种特殊的机器学习问题,目的是在测试阶段识别出训练集中未曾出现的类别样本并进行分类。目前主流技术手段有两种:一种是基于属性学习,一种是基于词嵌入模型。两种方法各有优缺点。属性学习可以看作人工特征标记,分... 零样本学习(ZSL)是一种特殊的机器学习问题,目的是在测试阶段识别出训练集中未曾出现的类别样本并进行分类。目前主流技术手段有两种:一种是基于属性学习,一种是基于词嵌入模型。两种方法各有优缺点。属性学习可以看作人工特征标记,分类效果往往取决于人工设定的属性好坏。而利用文本特征(词向量)的词嵌入模型无需人为参与也可得到不错的特征以替代属性。文中提出了一种基于公共空间嵌入的深度零样本学习方法。通过图像和文本分别建立深度神经网络并连接两个网络,在顶层学习一个联合嵌入的公共空间。基于深度学习端到端模型的设计可以同时利用属性特征和文本特征实现图像的零样本学习。实验结果表明,该方法达到了较好的识别效果。 展开更多
关键词 零样本学习 嵌入模型 属性学习 深度神经网络 公共空间 词向量
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
使用帮助 返回顶部