公开(公告)号：CN111612047B

公开(公告)日：2023-06-02

申请号：CN202010355551.5

申请日：2020-04-29

Applicant: 杭州电子科技大学 ,  杭州电子科技大学信息工程学院

Inventor： 张海平 ,  朱新威 ,  李忠金 ,  朱佳斌

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。

公开(公告)号：CN111612047A

公开(公告)日：2020-09-01

申请号：CN202010355551.5

申请日：2020-04-29

Applicant: 杭州电子科技大学 ,  杭州电子科技大学信息工程学院

Inventor： 张海平 ,  朱新威 ,  李忠金 ,  朱佳斌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。