基于低秩堆栈式语义自编码器的零样本学习

来源：计算机应用研究杂志2023年第2期北京时间：

作者：冉瑞生,董殊宏,李进,王宁,

单位：重庆师范大学计算机与信息科学学院,重庆401331；

摘要：在图像分类领域，现有的深度学习等方法在训练时需要大量有标注的数据样本，且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入，提出了一种新的零样本学习方法，即基于低秩嵌入的堆栈语义自编码器（low-rank stacked semantic auto-encoder，LSSAE）。该模型基于编码-解码机制，编码器学习到一个具有低秩结构的投影函数，用于将图像的视觉特征空间、语义描述空间以及标签进行连接；解码阶段重建原始视觉特征。并通过低秩嵌入，使得学习到的模型在预见未见类别时能共享已见类的语义信息，从而更好地进行分类。本研究在五个常见的数据集上进行实验，结果表明LSSAE的性能优于已有的零样本学习方法，是一种有效的零样本学习方法。

关键词：图像分类,零样本学习,堆栈式自编码器,低秩嵌入,

基金资助：教育部人文社科规划项目(20YJAZH084)；重庆市技术创新与应用发展专项面上项目(cstc2020jscx-msxmX0190)；重庆市教委科学技术研究重点项目(KJZD-K202100505)；；