https://blog.csdn.net/u011070272/article/details/73730244
https://blog.csdn.net/cv_family_z/article/details/52066547
Latent Embeddings for Zero-shot Classification _cvpr2016
图像嵌入信息 image embeddings 通过CNN 提取特征
类别嵌入信息 class embeddings 1.人工标记 2.从大量的文本资料中自动提取，外部文本数据（如wikipedia语料库）
本文中划分为四类 att w2v glo hie。
补充：Multi-Cue Zero-Shot Learning with Strong Supervision论文中
zero-shot learning的方法中，最好的依然是依靠着人工标注的属性。本文作者希望能够突破这一现状，利用网上多样的非结构化的文本数据实现全自动的算法，并且得到较好的效果。利用外部文本数据（如wikipedia语料库）的方法可以被称为利用附加数据的方法，这类方法的优点是：得到的属性覆盖的范围广，而且能够实现整个算法真正的无监督。此类方法的一个共同问题是：外部数据往往有噪声，而且不容易组织成针对特定分类目的的数据集。为了解决这些问题，作者构建了一个联合嵌入框架（joint embedding framework），将多样的文本信息和语义视觉信息映射到同一个空间中，并使用了一个强监督的方法来表示对象的视觉信息
一、主要思想：
扫描二维码关注公众号，回复：
3363567 查看本文章
