邵 洁, 李晓瑞

(上海电力大学 电子与信息工程学院, 上海 200090)

由于数据信息的爆炸式增长和信息标注的速度缓慢,所以零样本识别成为一项重要而富有挑战的研究[1]。传统的图像识别只能识别训练集中的类别[2],然而在实际应用中,期望识别的样本包括训练的类别和不存在训练集的类别,传统的零样本识别只能识别不存在训练集的类别。为了更好地应用于实际生产生活,广义零样本识别应运而生[3]。从定义可以看出,广义零样本识别不仅要求学习训练集中存在的类别,同时还要将学习到的知识转化到训练集中不存在的类别中去。

广义零样本识别的方法是通过建立视觉特征和语义特征的联系来达到识别的目的。文献[4-7]通过将视觉特征映射到语义特征来实现零样本识别。由于视觉特征是高纬度的特征,而语义特征是低纬度的特征,所以将高纬度的特征映射到低纬度,不可避免地会造成信息丢失。为了解决这一问题,文献[8-9]提出将语义特征映射到视觉特征。由于同一个语义特征可能对应多个视觉特征,有可能直接造成映射错误,因此该方法仍存在争议。

视觉特征和语义特征交叉映射是近年来常用的且效果很好的一种方法,如文献[10-13]就是采用了这类方法。其中,文献[10]提出了利用变分自编码器(Variational Auto Encoding,VAE)创建一个共享隐藏空间的模型,通过该模型可以将视觉特征和语义特征联系起来。但是文中VAE运用了标准的高斯分布,相较于标准高斯分布,混合高斯分布可以更好地拟合样本的实际分布。……