基于深度學(xué)習(xí)及知識(shí)挖掘的零樣本圖像分類.pdf

1、在零樣本圖像分類場(chǎng)景中，已標(biāo)記訓(xùn)練樣本不足以涵蓋所有對(duì)象類，對(duì)于實(shí)際應(yīng)用中出現(xiàn)的新對(duì)象類，傳統(tǒng)分類器無(wú)法對(duì)這種訓(xùn)練階段不可見的新模式進(jìn)行正確分類?；趯傩詫W(xué)習(xí)的零樣本圖像分類通過將屬性作為對(duì)象類的一種中間表示，實(shí)現(xiàn)可見模式與未知新模式之間的知識(shí)傳遞。現(xiàn)有的零樣本圖像分類方法主要存在以下幾種問題：屬性學(xué)習(xí)模型的設(shè)計(jì)缺少對(duì)與屬性相關(guān)的各種先驗(yàn)知識(shí)的利用；屬性-類別標(biāo)簽映射中對(duì)各屬性分類器的分類能力描述不足；沒有充分利用屬性與圖像特征之間的依

2、賴關(guān)系等等?；谶@些問題，本文主要研究?jī)?nèi)容為：
　　第一，目前零樣本學(xué)習(xí)中使用的圖像特征仍由人工設(shè)計(jì)提取，分類精度嚴(yán)重依賴于提取特征的質(zhì)量。針對(duì)此問題，提出了基于深度學(xué)習(xí)特征提取的零樣本圖像分類模型。首先，利用圖像塊提取和ZCA白化等技術(shù)來(lái)降低模型計(jì)算復(fù)雜度和像素間的相關(guān)性；然后，使用棧式稀疏自動(dòng)編碼器學(xué)習(xí)特征映射，并進(jìn)一步使用該映射矩陣作為卷積核對(duì)圖像進(jìn)行卷積與池化操作；最后，將卷積神經(jīng)網(wǎng)絡(luò)提取出的特征用于零樣本圖像分類。

3、>　　第二，目前零樣本學(xué)習(xí)中各屬性分類器的訓(xùn)練仍依賴于人工特征提取和淺層學(xué)習(xí)模型，對(duì)各屬性分類器的分類能力描述不足。針對(duì)此問題，提出了基于深度加權(quán)屬性預(yù)測(cè)的零樣本圖像分類模型。該模型使用有監(jiān)督學(xué)習(xí)方法訓(xùn)練一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)并將屬性標(biāo)簽納入網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)深層次的特征表達(dá)及屬性預(yù)測(cè)。此外，通過挖掘?qū)傩韵闰?yàn)知識(shí)對(duì)表達(dá)能力不同的屬性分類器進(jìn)行加權(quán)設(shè)計(jì)，構(gòu)建一種直接加權(quán)屬性預(yù)測(cè)模型，完成對(duì)測(cè)試類圖像的屬性預(yù)測(cè)和零樣本圖像分類。
　　第三，

4、目前零樣本學(xué)習(xí)中均不同程度的缺少對(duì)屬性相關(guān)的各種先驗(yàn)知識(shí)的刻畫，針對(duì)此問題，提出了基于類別與屬性相關(guān)先驗(yàn)知識(shí)挖掘的零樣本圖像分類模型。首先，通過白化余弦相似度挖掘類別-類別間的相關(guān)性，得到與測(cè)試類別相關(guān)性強(qiáng)的訓(xùn)練類；然后，使用稀疏表示系數(shù)挖掘與屬性相關(guān)的先驗(yàn)知識(shí)，利用屬性-類別之間和屬性-屬性之間的相關(guān)性挑選與測(cè)試類相關(guān)性強(qiáng)的屬性集并移除冗余屬性；最后，將與測(cè)試類具有強(qiáng)相關(guān)性的訓(xùn)練類和屬性用于零樣本圖像分類。
　　在多個(gè)數(shù)據(jù)集上進(jìn)