原创力文档- 5
- 0
- 约2.18万字
- 约 16页
- 2023-06-21 发布于四川
- 举报
本发明公开了一种基于语义纠错下生成对抗网络的零样本学习方法，将语义纠错网络(SR)和WGAN结合起来，用修正后的语义特征和原始语义特征以及随机噪声去生成更高质量的特征，进而实现零样本学习分类问题。首先，预先训练一个语义纠错网络(SR)，对语义空间进行带有语义损失和结构损失的修正。然后，结合流行的生成模型WGAN，基于原始语义特征和修正后的语义特征以及随机噪声为不可见类生成视觉特征，模型无缝地将一个WGAN与一个分类损失结合，能够生成有区别性的CNN特征来训练softmax分类器。实验结果表明，该
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 113378959 B
(45)授权公告日 2022.03.15
(21)申请号 202110701351.5 G06F 40/30 (2020.01)
文档评论（0）