基于特征优化的混合广义零样本学习方法.pdfVIP

下载本文档

1
0
约1.21万字
约 10页
2023-06-05 发布于四川
举报
版权申诉

基于特征优化的混合广义零样本学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于特征优化的混合广义零样本学习方法，将真实样本和生成模型产生的生成样本映射到一个嵌入空间中，在嵌入空间中执行最终的广义零样本学习分类。另外，为了改进可见类样本和未见类样本的视觉特征，该方法采用了一个特征优化模块，该模块将视觉→语义映射集成到混合框架中，引入了语义周期一致性损失与对比损失，来明确地鼓励类内紧凑性和类间可分性，并指导模型学习语义相关和更具鉴别性的视觉特征。本发明能够为不可见类生成具有鉴别性的视觉特征，弥补了样本缺失以及生成模型产生的生成样本缺乏鉴别性的问题，并且能够更加紧密地联系视

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 115761355 A (43)申请公布日 2023.03.07 (21)申请号 202211475700.7 (22)申请日 2022.11.23 (71)申请人南京邮电大学地址 210023