基于深度學(xué)習(xí)及知識挖掘的零樣本圖像分類.pdf

1、在零樣本圖像分類場景中，已標(biāo)記訓(xùn)練樣本不足以涵蓋所有對象類，對于實際應(yīng)用中出現(xiàn)的新對象類，傳統(tǒng)分類器無法對這種訓(xùn)練階段不可見的新模式進行正確分類。基于屬性學(xué)習(xí)的零樣本圖像分類通過將屬性作為對象類的一種中間表示，實現(xiàn)可見模式與未知新模式之間的知識傳遞?，F(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)計缺少對與屬性相關(guān)的各種先驗知識的利用；屬性-類別標(biāo)簽映射中對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，本文主要研究內(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)計提取，分類精度嚴重依賴于提取特征的質(zhì)量。針對此問題，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)來降低模型計算復(fù)雜度和像素間的相關(guān)性；然后，使用棧式稀疏自動編碼器學(xué)習(xí)特征映射，并進一步使用該映射矩陣作為卷積核對圖像進行卷積與池化操作；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，對各屬性分類器的分類能力描述不足。針對此問題，提出了基于深度加權(quán)屬性預(yù)測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)，實現(xiàn)深層次的特征表達及屬性預(yù)測。此外，通過挖掘?qū)傩韵闰炛R對表達能力不同的屬性分類器進行加權(quán)設(shè)計，構(gòu)建一種直接加權(quán)屬性預(yù)測模型，完成對測試類圖像的屬性預(yù)測和零樣本圖像分類。
　　第三，

4、目前零樣本學(xué)習(xí)中均不同程度的缺少對屬性相關(guān)的各種先驗知識的刻畫，針對此問題，提出了基于類別與屬性相關(guān)先驗知識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，得到與測試類別相關(guān)性強的訓(xùn)練類；然后，使用稀疏表示系數(shù)挖掘與屬性相關(guān)的先驗知識，利用屬性-類別之間和屬性-屬性之間的相關(guān)性挑選與測試類相關(guān)性強的屬性集并移除冗余屬性；最后，將與測試類具有強相關(guān)性的訓(xùn)練類和屬性用于零樣本圖像分類。
　　在多個數(shù)據(jù)集上進