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.

http://www.jos.org.cn/jos/ch/reader/view_abstract.aspx?file_no=6146&flag=1

成为VIP会员查看完整内容
47

相关内容

零样本学习是AI识别方法之一。简单来说就是识别从未见过的数据类别,即训练的分类器不仅仅能够识别出训练集中已有的数据类别,还可以对于来自未见过的类别的数据进行区分。这是一个很有用的功能,使得计算机能够具有知识迁移的能力,并无需任何训练数据,很符合现实生活中海量类别的存在形式。
专知会员服务
80+阅读 · 2021年1月24日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
64+阅读 · 2020年12月24日
多模态视觉语言表征学习研究综述
专知会员服务
185+阅读 · 2020年12月3日
机器学习模型安全与隐私研究综述
专知会员服务
107+阅读 · 2020年11月12日
基于小样本学习的图像分类技术综述
专知会员服务
146+阅读 · 2020年5月6日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
零样本图像分类综述 : 十年进展
专知会员服务
121+阅读 · 2019年11月16日
多模态视觉语言表征学习研究综述
专知
25+阅读 · 2020年12月3日
最新《多任务学习》综述,39页pdf
专知
26+阅读 · 2020年7月10日
深度学习可解释性研究进展
专知
17+阅读 · 2020年6月26日
【中科院】命名实体识别技术综述
专知
16+阅读 · 2020年4月21日
One-Class Classification: A Survey
Arxiv
7+阅读 · 2021年1月8日
Arxiv
91+阅读 · 2020年2月28日
Arxiv
6+阅读 · 2019年7月29日
Arxiv
4+阅读 · 2019年4月25日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
135+阅读 · 2018年10月8日
VIP会员
相关VIP内容
专知会员服务
80+阅读 · 2021年1月24日
专知会员服务
43+阅读 · 2021年1月18日
专知会员服务
64+阅读 · 2020年12月24日
多模态视觉语言表征学习研究综述
专知会员服务
185+阅读 · 2020年12月3日
机器学习模型安全与隐私研究综述
专知会员服务
107+阅读 · 2020年11月12日
基于小样本学习的图像分类技术综述
专知会员服务
146+阅读 · 2020年5月6日
基于深度神经网络的少样本学习综述
专知会员服务
163+阅读 · 2020年4月22日
零样本图像分类综述 : 十年进展
专知会员服务
121+阅读 · 2019年11月16日
相关论文
One-Class Classification: A Survey
Arxiv
7+阅读 · 2021年1月8日
Arxiv
91+阅读 · 2020年2月28日
Arxiv
6+阅读 · 2019年7月29日
Arxiv
4+阅读 · 2019年4月25日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
135+阅读 · 2018年10月8日
微信扫码咨询专知VIP会员