面向视频流的零样本动作识别中知识迁移机制的深度建模与实现.pdfVIP

面向视频流的零样本动作识别中知识迁移机制的深度建模与实现1

面向视频流的零样本动作识别中知识迁移机制的深度建模与

实现

1.零样本动作识别基础理论

1.1零样本学习概念与定义

零样本学习（Zero-ShotLearning,ZSL）是一种机器学习范式，旨在使模型能够识

别在训练阶段从未见过的类别。传统监督学习依赖于大量标注数据，而ZSL通过引入

辅助信息（如语义描述、属性特征或文本标签）来建立已知类别与未知类别之间的关联，

从而实现对新类别的识别。

在视频动作识别领域，ZSL的核心挑战在于如何跨越“视觉-语义”鸿沟，将视觉特

征映射到语义空间。根据IEEETPAMI2023年的综述，ZSL方法主要分为三类：基于

属性的方法、基于文本描述的方法和基于嵌入空间的方法。其中，嵌入空间方法因其灵

活性和扩展性，在视频动作识别中应用最为广泛。

1.2动作识别任务特点

动作识别任务具有以下几个关键特点：

•时序依赖性：动作是由一系列连续帧组成的时序过程，识别需要捕捉帧间的动态

变化。根据