作者：程玉虎; 乔雪; 王雪松零样本图像分类混合属性语义属性非语义属性稀疏编码
摘要：对于具有相似属性的类别而言,在有限维度的语义属性下,基于属性的零样本图像分类器难以对它们进行正确区分.考虑到语义属性描述类别的有限性,在直接属性预测（Direct Attribute Prediction,DAP）模型的基础上,提出一种基于混合属性的零样本图像分类模型（Hybrid Attribute-Based DAP,HA-DAP）.首先,对样本的底层特征进行稀疏编码并利用编码后的非语义属性来辅助现有的语义属性;将非语义属性与语义属性构成混合属性并将其作为DAP模型的属性中间层,利用属性预测模型的思想进行混合属性分类器的训练;最后,根据预测的混合属性以及属性与类别之间的关系进行测试样本类别标签的预测.在OSR、Pub Fig以及Shoes数据集上的实验结果表明,HA-DAP的分类性能优于DAP,不仅能够取得较高的零样本图像分类精度,而且还获得了较高的AUC值.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
