-
题名融合VAE和StackGAN的零样本图像分类方法
被引量:8
- 1
-
-
作者
张冀
曹艺
王亚茹
赵文清
翟永杰
-
机构
华北电力大学计算机系
华北电力大学自动化系
-
出处
《智能系统学报》
CSCD
北大核心
2022年第3期593-601,共9页
-
基金
国家自然科学基金面上项目(61773160)
河北省自然科学基金青年科学基金项目(F2021502008)
中央高校基本科研业务费专项资金面上项目(2021MS081).
-
文摘
零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性。为此,提出一种融合变分自编码(variational auto-encoder,VAE)和分阶段生成对抗网络(stack generative adversarial networks,StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性。在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性。
-
关键词
深度学习
零样本学习
图像分类
变分自编码器
生成对抗网络
分阶段网络
句向量
辅助信息
-
Keywords
Deep learning
Zero-shot learning
Image classification
Variational autoencoder
Generative adversarial network
Staged network
Sentence vector
Auxiliary information
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-