基于視覺屬性的圖像類別分析.pdf

1、在當(dāng)今的大數(shù)據(jù)信息時代中，隨著獲取視覺數(shù)據(jù)的便攜設(shè)備越來越普及，可視數(shù)據(jù)在網(wǎng)絡(luò)中正在爆炸式增長，據(jù)統(tǒng)計，國外一知名社交網(wǎng)絡(luò)每個月都有60億張圖片上傳到網(wǎng)絡(luò)當(dāng)中，優(yōu)酷等視頻網(wǎng)站每分鐘也會有幾十個小時的視頻上傳，而一些網(wǎng)絡(luò)相簿、搜索引擎、門戶網(wǎng)站等都存儲了大量的可視數(shù)據(jù)，為了更好的處理和利用這些數(shù)據(jù)來促進(jìn)我們的日常生活，計算機(jī)視覺的研究迎來了新的熱潮。
　　在計算機(jī)視覺研究任務(wù)中，通過使用大規(guī)模有標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練，很多圖像分類器已經(jīng)

2、能夠?qū)D片進(jìn)行精準(zhǔn)地分類，然而標(biāo)注的圖片往往很難獲取，通常都需要耗費(fèi)大量的人力去標(biāo)注圖片。在本文中，我們深入研究了基于屬性的零樣本遷移分類學(xué)習(xí)，通過利用不同類別間共享某些視覺屬性的特性，我們可以推測出沒有或有很少訓(xùn)練樣本的類別，大大降低了算法對類標(biāo)簽的需求。
　　在基于視覺屬性的零樣本遷移分類研究當(dāng)中，屬性預(yù)測的結(jié)果直接影響到最終的分類預(yù)測，而在傳統(tǒng)的屬性學(xué)習(xí)方法中，屬性要么被單獨(dú)的分類器訓(xùn)練，要么不加限制地利用屬性間的相關(guān)性，很

3、少有考慮到屬性相關(guān)性會導(dǎo)致屬性預(yù)測的不正確問題；另外，如何學(xué)習(xí)屬性使屬性有更強(qiáng)的泛化能力對屬性的有效應(yīng)用也很重要，由于預(yù)測的類別沒有訓(xùn)練樣本，而屬性在不同類別間的視覺表現(xiàn)會有所不同，通過其他類別學(xué)習(xí)的視覺屬性分類器，不一定能夠很好的預(yù)測出其他類別的視覺屬性，通常會出現(xiàn)分類器效果向訓(xùn)練集偏移的問題。在零樣本分類方法研究中，預(yù)測的視覺屬性與類標(biāo)簽的視覺屬性的相似性高低是決定最終分類重要因素，因此選擇適當(dāng)屬性空間和距離是零樣本遷移分類的另一個