-
题名基于随机传播图卷积模型的零样本图像分类
被引量:1
- 1
-
-
作者
芦楠楠
刘一雄
邱铭恺
-
机构
中国矿业大学信息与控制工程学院
中国科学技术大学信息科学技术学院
-
出处
《图学学报》
CSCD
北大核心
2022年第4期624-632,共9页
-
基金
国家自然科学基金项目(62006233,51734009)。
-
文摘
零样本图像分类旨在识别训练时从未出现过的全新类别(未见类别),为此需要利用辅助信息建模未见类和可见类之间的关系。利用图卷积网络(GCN)进行零样本分类的模型可以借助知识图显式地表达类别之间的关系,但GCN易受过平滑影响,导致模型性能下降。针对此问题提出了基于随机传播图卷积模型的零样本图像分类方法。该方法使用随机传播机制处理原始特征以达到特征扰动和数据扩增的目的;利用数据中类别层级生成的知识图建模类别之间的语义关系。其中,图中节点代表类别,节点间的边代表类别之间的关系。再构建GCN对处理后的特征进行训练,从节点中输出包含未见类别的分类器参数,进而实现零样本图像分类。实验结果表明,该方法可以有效地改善零样本图像分类中的时间消耗、分类精度和泛化性能。
-
关键词
零样本图像分类
知识图
图卷积网络
随机传播机制
数据扩增
-
Keywords
zero-shot image classification
knowledge graph
graph convolution network
random propagation
data augmentation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-