基于共享特征相对属性的零样本图像分类Shared-电子与信息学报.PDFVIP

第39 卷第7 期 电 子 与 信 息 学 报 Vol.39No.7 2017 年7 月 Journal of Electronics Information Technology Jul. 2017 基于共享特征相对属性的零样本图像分类 乔 雪*① 彭 晨① 段 贺① 张钰尧② ①(中国科学院电子学研究所苏州研究院 苏州 215123) ②(中国科学技术大学软件学院 合肥 231000) 摘 要：在利用相对属性学习实现零样本图像分类中，现有的方法并没有考虑属性与类别之间的关系，为此该文提 出一种基于共享特征相对属性的零样本图像分类方法。该方法采用多任务学习的思想来共同学习类别分类器和属性 分类器，获得一个低维的共享特征子空间，挖掘属性与类别之间的关系。同时，利用共享特征来学习属性排序函数， 得到基于共享特征的相对属性模型，解决了相对属性学习过程中丢失属性与类别关系的问题。另外，将基于共享特 征的相对属性模型用于零样本图像分类中，有效提高了零样本图像分类的识别率。实验数据集上的结果表明，该方 法具有较高的相对属性学习性能和零样本图像分类精度。 关键词：相对属性；多任务学习；共享特征；零样本图像分类 中图分类号：TP18 文献标识码：A 文章标号：1009-5896(2017)07-1563-08 DOI: 10.11999/JEIT161133 Shared Features Based Relative Attributes for Zero-shot Image Classification ① ① ① ② QIAO Xue PENG Chen DUAN He ZHANG Yuyao ① (Suzhou Institute, Institute of Electronics, Chinese Academy of Sciences, Suzhou 215123, China) ② (School of Software Engineering, University of Science and Technology of China, Hefei 231000, China) Abstract: Most algorithms of the zero-shot image classification with relative attributes do not consider the relationship between attributes and classes, therefore a new relative attributes method based on shared features is proposed for zero-shot image classification. In analogy to the multi-task learning, the object classifier and attribute classifier are simultaneously learned in this method, from which a shared sub-space of lower dimensional features is obtained to mine the relationship between attr