%0 Journal Article
%A 陈雯柏
%A 陈祥凤
%T 度量学习改进语义自编码零样本分类算法
%D 2018
%R 10.13190/j.jbupt.2018-010
%J 北京邮电大学学报
%P 69-75
%V 41
%N 4
%X 为改善零样本图像分类中相似度度量方法的鲁棒性，引入了一种用于零样本分类的度量学习方法.该方法由自编码构成，能在特征对齐后的语义嵌入空间中学习到最优的度量函数，用于计算测试样本特征和类标签的语义特征的相似度；然后利用近邻思想预测类别标签，进而避免产生不合适距离函数导致的分类错误.实验结果表明，与传统距离度量的算法相比，所提出的方法降低了识别错误率，在公开数据集AWA、CUB和ImNet-2上的分类准确率分别达到94.7%、63.7%和28.59%；同时表明了语义—视觉的映射方向比相反方向的识别准确率高出2.5%~10.1%.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2018-010