基于大间隔最近邻的零样本图像分类模型

摘要

针对目前在零样本分类技术中公共空间嵌入方法存在的枢纽问题,即hubness问题,将提取到的视觉特征和语义特征通过典型相关分析映射至公共空间后在公共空间中添加大间隔最近邻(large margin nearest neighbor,LMNN)算法,使相同类别的样本之间的距离更加紧密,不同类别样本之间的距离尽可能远,从而有利于提高零样本分类模型的准确率.通过零样本中常用的AWA和CUB数据集进行实验,结果显示与经典的零样本分类模型相对比,两个数据集准确率分别提高了12.1％和2.2％,证明了模型的有效性.