基于視覺屬性的圖像類別分析.pdf

1、在當今的大數(shù)據(jù)信息時代中，隨著獲取視覺數(shù)據(jù)的便攜設備越來越普及，可視數(shù)據(jù)在網(wǎng)絡中正在爆炸式增長，據(jù)統(tǒng)計，國外一知名社交網(wǎng)絡每個月都有60億張圖片上傳到網(wǎng)絡當中，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)來促進我們的日常生活，計算機視覺的研究迎來了新的熱潮。
　　在計算機視覺研究任務中，通過使用大規(guī)模有標簽的數(shù)據(jù)進行訓練，很多圖像分類器已經(jīng)

2、能夠?qū)D片進行精準地分類，然而標注的圖片往往很難獲取，通常都需要耗費大量的人力去標注圖片。在本文中，我們深入研究了基于屬性的零樣本遷移分類學習，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練樣本的類別，大大降低了算法對類標簽的需求。
　　在基于視覺屬性的零樣本遷移分類研究當中，屬性預測的結(jié)果直接影響到最終的分類預測，而在傳統(tǒng)的屬性學習方法中，屬性要么被單獨的分類器訓練，要么不加限制地利用屬性間的相關性，很

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