.png){kind=icon}
返回
Zero-Shot Learning via Structure-Aligned Generative Adversarial Network
.png){kind=icon}
PRE
AI
DOI：10.1109/TNNLS.2021.3083367.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本文中，我们提出了一种结构对齐的生成对抗网络框架，以通过减轻语义鸿沟，域移位和hubness问题来改善零射击学习 (ZSL)。所提出的框架包含两个部分，即具有softmax分类器部分的生成对抗网络和结构对齐部分。在第一部分中，生成对抗网络旨在通过引导生成器和鉴别器一起玩minimax两人游戏来生成伪视觉特征。同时，softmax分类器致力于增加类间距离和减少类内距离。然后，可以减轻域偏移和中心性问题的有害影响。在另一部分中，我们介绍了一个结构对齐的模块，其中学习了视觉空间和语义空间之间的结构一致性。通过对齐视觉空间和语义空间之间的结构，可以弥合它们之间的语义鸿沟。当结构对齐的视觉语义嵌入空间转移到看不见的课程时，分类的性能得到了提高。我们的框架使用看不见的课程的伪视觉特征将ZSL重新制定为标准的完全监督分类任务。在五个基准数据集上进行的广泛实验表明，所提出的框架在常规和通用设置中均显着优于最先进的方法。
Keyword:
Semantics
Visualization
Training
Generators
Generative adversarial networks
Task analysis
Nearest neighbor methods
Generative adversarial network
structure aligned
visual-semantic embedding
zero-shot learning (ZSL)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8.9
论文数:
7.6K
被引数:
7.2W
机构
引用论文
.png){kind=icon}
分享收藏
Do Perceptions of Competence Mediate The Relationship Between Fundamental Motor Skill Proficiency and Physical Activity Levels of Children in Kindergarten?能力的感知是否可以介导幼儿园儿童的基本运动技能熟练程度与身体活动水平之间的关系？
PREAI
分享收藏
查看更多内容