tfvaegan训练日志零样本分类网络

论文：https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123670477.pdf
代码地址：https://github.com/akshitac8/tfvaegan

训练日志

配环境

conda create -n tfvaegan python=3.6
conda activate tfvaegan
pip install https://download.pytorch.org/whl/cu90/torch-0.3.1-cp36-cp36m-linux_x86_64.whl
pip install torchvision==0.2.0 scikit-learn==0.22.1 scipy==1.4.1 h5py==2.10 numpy==1.18.1

1.下载数据集
CUB, AWA, FLO and SUN features四个文件，下载链接：
https://drive.google.com/drive/folders/16Xk1eFSWjQTtuQivTogMmvL3P6F_084u?usp=sharing
https://drive.google.com/drive/folders/1pNlnL3LFSkXkJNkTHNYrQ3-Ie4vvewBy?usp=sharing

数据集介绍：
CUB：鸟类细粒度数据集，200各类别，每个类别312纬属性。
SUN：细粒度的场景数据集。
AWA1：动物图像数据集。50个类别，85维属性。
AWA2：AWA1的复杂变体，从公共网络来源收集了37322张图片。

数据集	视觉维度	语义特征维度	所有实例数量	可见/不可见数量
CUB	2048	312	11788	150/50
SUN	2048	102	14340	707/10
AWA1	2048	85	30475	40/10
AWA2	2048	85	37322	40/10

评价指标
可见类和不可见类的平均类别准确率（ACA）
ACA^U:不可见类准确率。
ACA^S:可见类准确率。
H：调和平均值：
$$\begin{array}{c}H=\frac{2\times AC{A}^U\times AC{A}^S}{AC{A}^U+AC{A}^S}\end{array}$$
2.训练自己的数据集（这里暂时还没弄明白）
3.训练论文里面的数据集
创建screen：screen -L -S tfvaegan
screenlog.0在下面的文件夹下。

在CUB, AWA, FLO and SUN数据集上面，训练和评估 ZSL and GZSL 模型的命令。

CUB : python scripts/run_cub_tfvaegan.py
AWA : python scripts/run_awa_tfvaegan.py
FLO : python scripts/run_flo_tfvaegan.py
SUN : python scripts/run_sun_tfvaegan.py

训练结果

数据集	ZSL不可见	GZSL可见	GZSL不可见	H
CUB	64.83	61.87	54.43	57.91
FLO	69.41	84.73	62.19	71.73
SUN	65.56	41.24	43.26	42.22
AWA2	71.50	75.50	59.17	66.34

分类准确率和调和平均数。

论文思路学习

https://blog.csdn.net/weixin_39704651/article/details/108803378
https://zhuanlan.zhihu.com/p/435679848