基于属性学习的零样本图像分类研究

《基于属性学习的零样本图像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于属性学习的零样本图像分类研究ResearchofZero-shotImageClassificationBasedonAttributeLearning作者：乔雪导师：程玉虎教授中国矿业大学二〇一六年六月中图分类号TP18学校代码10290UDC621.3密级公开中国矿业大学硕士学位论文基于属性学习的零样本图像分类研究ResearchofZero-shotImageClassificationBasedonAttributeLearning作者乔雪导师程玉虎申请学位工学硕士学位培养单位信息与电气工程学院学科专业控制科学与工程研究方向模式识

2、别与人工智能答辩委员会主席郭一楠评阅人___________________二〇一六年六月论文审阅认定书研究生在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢本研究及学位论文是在我的导师程玉虎教授的亲切关怀和悉心指导下完成的。从论文的选题、中期工作直至论文的撰写，导师多次帮助我开拓研究思路，给予我细心的指导和不懈的支持。程玉虎导师严谨的治学态度、丰富的专业

3、知识、忘我的工作精神都给我留下了深刻的印象。在我研究生期间，导师不仅在学业上给我以精心指导，同时还在思想、生活上给我以无微不至的关怀，在此谨向导师程玉虎、王雪松教授致以最诚挚的谢意和最崇高的敬意！在论文的撰写过程中，得到了巩萍博士，潘杰博士，藏绍飞博士以及陈晨、刘路平、孔毅等硕士的支持和帮助；感谢他们三年来一直的陪伴，为我营造了良好的学习和科研环境。感谢本论文所引用的各位专家、学者对本论文的启发和帮助！感谢家人和朋友在我攻读硕士学位期间给予的理解、支持和鼓励，在此致以深深的谢意！最后，感谢百忙中抽出时间给予悉心评阅和指教的诸位专家，祝你们平安健康快乐。摘

4、要零样本图像分类是目前迁移学习领域的研究热点之一，与传统的图像分类问题不同，零样本图像分类在测试阶段所分类和识别的样本未参与分类器模型的训练。在零样本图像分类问题中，为了实现从可见类别到不可见类别的知识迁移，分类模型就需要通过视觉属性（属性）来搭建一座从底层特征到类别标签的桥梁。属性是指可以通过人工标注并且能在图像中观察到的特性，是图像内容的高层描述，能够同时被机器和人理解。大量的研究已经显示了属性学习在目标识别、图像描述以及零样本学习等方面的作用。首先，针对属性学习、零样本图像分类以及基于属性学习的零样本学习的国内外研究现状进行了分析。然后，分别从二值

5、属性和相对属性两个方面入手，针对现有的基于属性学习的零样本图像分类所存在的不足进行改进。论文的主要工作包括：（1）传统的间接属性预测模型（IAP）假设样本的属性之间是相互独立的，即每个参与分类器训练的属性对于图像分类的重要性是相同的。然而在实际应用中，不同的属性对于分类的贡献程度不是完全相同的，因此这种假设会在一定程度上降低分类准确率。为此，提出一种基于关联概率的间接属性加权预测模型（RP-IAWP）。首先，分析属性与对象类别之间存在的相关关系；其次，采用关联概率对属性与类别之间的相关性进行量化度量；然后，根据属性与类别之间的关联概率为每个属性赋予相应的

6、权重；最后，将属性权重引入传统的IAP模型中，并进一步将其应用于零样本图像分类。（2）对于具有相似属性的类别而言，在有限维度的语义属性下，基于属性的零样本图像分类器难以对它们进行正确区分。针对语义属性描述类别的有限性，在直接属性预测模型（DAP）的基础上，提出一种基于混合属性的直接属性预测模型（HA-DAP）。首先，对样本的底层特征进行稀疏编码并利用编码后的非语义属性来辅助现有的语义属性；然后，将非语义属性与语义属性构成混合属性并将其作为DAP模型的属性中间层，利用直接属性预测模型的思想进行混合属性分类器的训练；最后，根据预测的混合属性以及属性与类别之间

7、的关系进行测试样本类别标签的预测。（3）传统的基于相对属性的零样本图像分类算法需要为每个属性单独训练一个属性排序函数，没有考虑属性与类别之间的关系。为此，提出一种基于共享特征相对属性的零样本图像分类算法（RA-SF）。首先，采用多任务学习的思想来共同学习类别分类器和属性分类器，进而得到二者共享的一个低维特征子空间；然后，利用这些共享特征来学习属性排序函数；最后，基于测试样本的属性I排序得分，利用最大似然估计预测测试样本的类别标签。这种共享特征可以联系对象的类别及其相对属性，因此学习得到的属性排序函数将更加可靠，进而能够有效提高后续零样本图像分类任务的识别

8、率。（4）针对传统的相对属性在解决零样本图像分类问题时，存在的模型分布假设不合理