CVPR 2018:阿里提出新零樣本學習方法,有效解決偏置問題

大多數現有的零樣本學習(Zero-Shot Learning,ZSL)方法都存在強偏問題:訓練階段看不見(目標)類的實例在測試時往往被歸類爲所看到的(源)類之一。因此,在廣義ZSL設置中部署後,它們的性能很差。在本文,我們提出了一個簡單而有效的方法,稱爲準完全監督學習(QFSL),來緩解此問題。我們的方法遵循直推式學習的方式,假定標記的源圖像和未標記的目標圖像都可用於訓練。在語義嵌入空間中,被標記
相關文章
相關標籤/搜索