主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
冯耀功,于剑,桑基韬,杨朋波.基于知识的零样本视觉识别任务综述.软件学报,0,(0):0
基于知识的零样本视觉识别任务综述
Zero-Shot Learning in Computer Vision Based on Knowledge: A Survey
投稿时间:2020-07-03  修订日期:2020-08-11
DOI:10.13328/j.cnki.jos.006146
中文关键词:  零样本学习  初级知识  抽象知识  外部知识  图像分类
英文关键词:zero-shot learning  primary knowledge  abstract knowledge  external knowledge  image classification
基金项目:国家重点研发计划(2017YFC1703506);国家自然科学基金(61632004,61832002,61672518);中央高校基本科研业务费专项资金(2018JBZ006,2019JBZ110,2020YJS030)
作者单位E-mail
冯耀功 北京交通大学计算机与信息技术学院 北京 100044
北京交通大学人工智能研究院 北京 100044 
 
于剑 北京交通大学计算机与信息技术学院 北京 100044
北京交通大学人工智能研究院 北京 100044 
jianyu@bjtu.edu.cn 
桑基韬 北京交通大学计算机与信息技术学院 北京 100044
北京交通大学人工智能研究院 北京 100044 
 
杨朋波 北京交通大学计算机与信息技术学院 北京 100044
北京交通大学人工智能研究院 北京 100044 
 
摘要点击次数: 126
全文下载次数: 80
中文摘要:
      零样本学习旨在通过运用已学到的已知类知识去认知未知类.近年来,“数据+知识驱动”已经成为当下的新潮流,而在计算机视觉领域内的零样本任务中,“知识”本身却缺乏统一明确的定义.本文针对这种情况,尝试从知识的角度出发,梳理了本领域内“知识”这一概念所覆盖的范畴,共划分为初级知识、抽象知识以及外部知识.基于前面对知识的定义和划分梳理了当前的零样本学习(主要是图像分类任务的模型)工作,分为基于初级知识的零样本模型、基于抽象知识的零样本模型以及引入外部知识的零样本模型.本文还对领域内存在的域偏移和枢纽点问题进行了阐述,并基于问题对现有工作进行了总结归纳.最后总结了目前常用的图像分类任务的数据集和知识库,图像分类实验评估标准以及代表性的模型实验结果;并对未来工作进行了展望.
英文摘要:
      Zero-shot learning aims to recognize the unseen classes by using the knowledge of the seen classes that has been learned. In recent years, ‘knowledge + data driven’ has become a new trend but lacking of unified definition of ‘knowledge’ in the current zero-shot tasks of computer vision. In this paper, we try to define the ‘knowledge’ and divided it in this field into three categories which are primary knowledge, abstract knowledge and external knowledge. In addition, based on the definition and classification of knowledge, we sorted out the current works on zero-shot learning (mainly in image classification task), which divided them into zero-shot models based on primary knowledge, zero-shot models based on abstract knowledge and zero-shot models based on external knowledge. We also introduce the problems which are domain shift and hubness in this field, and further summarizes existing works based on the problems. Finally, we summarized the datasets and knowledge bases that commonly used in image classification tasks, the evaluation criteria of image classification experiment and the experimental results of representative models. And the future works were summarized and prospected.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利