zero-shot 第8页

【零样本学习】Generalized Zero-Shot Learning via Synthesized Examples

Abstract提出生成模型来解决generalizedzero-shotlearning问题。在条件变分自编码器的基础上，可以生成seen/unseenclass的特征，然后可以用来训练分类器。我们的编码-解码结构的关键点是反馈驱动机制，其中判别器(多元回归器)学习将生成的特征映射到相应的类别属性向量，从而得到更好的生成器。我们的模型能够生成unseenclass的特征，并且用来训练分类器，这有

x124612·2020-07-12 16:35

Zero-Shot Hyperspectral Image Denoising With Separable Image Prior

1.摘要大量的高光谱数据收集起来比较困难，所以作者提出了一种自监督策略，可以从一张退化图像构建出训练数据来训练一个去噪网络而不需要任何干净数据。另外，高光谱图像的光谱波段数一般比较多，计算负载较大，因此作者引入深度可分离卷积来实施去噪，既能捕获高光谱图像的结构先验又能减小模型复杂性。2.方法介绍2.1.深度可分离卷积的性能现在，我们考虑一个图像填充任务。假设A∈{0,1}N∗NA\in\{0,1\

seniusen·2020-07-11 22:04

A Survey of Zero-Shot Learning: Settings, Methods, and Applications-阅读笔记

文章目录INTRODUCTIONzero-shotlearning定义：SemanticspaceLearningsettingsSEMANTICSPACESEngineeredSemanticSpacesAttributespacesLexicalspacesText-keywordspacesSomeproblem-specificspacesLearnedSemanticSpacesLabe

立刻有·2020-07-05 11:02

零样本学习综述 Zero-Shot Learning（一）：定义

机器学习中的大多数方法是通过有标签的训练集进行学习，侧重于对已经在训练中出现过标签类别的样本进行分类。然而在现实场景中，许多任务需要对以前从未见过的实例类别进行分类，这样就使得原有训练方法不在适用。零样本学习因此孕育而生，该方法的训练实例所涉及的类与测试集中要分类的类是不相交的，完全不同，即根据训练集中的可见类别数据,通过相关先验知识,实现对未见类别的数据，进行类别预测和识别。定义：（零样本学习Z

明远AI·2020-06-27 02:45

零样本学习综述 Zero-Shot Learning（二）：基于知识图谱的零样本学习 (Graph-based Zero-Shot Learning)

现有的视觉图像分类、目标检测、场景识别等技术大多基于监督学习，这些方法和技术需要进行大量的数据标注工作，对有标签的数据集进行人工智能算法的训练，得到相应的算法模型。但是仅仅是人类可识别的物体种类大约就有3万类，并且在不同场景下物体的状态不同，所得到的数据量及其庞大，要对如此多的图像进行类别数据标注极其费力。与此同时生活中的物体种类、生活场景等也在不断增长，数据也在不断增多，如何处理标注数据完全缺失

明远AI·2020-06-27 02:45

结合GAN的零次学习（zero-shot learning）

点击上方“机器学习与生成对抗网络”，关注"星标"获取有趣、好玩的前沿干货！零次学习（zero-shotlearning）众所周知，深度学习的崛起依赖于大量的训练样本；监督式学习已经在各项任务上取得了极好的效果。但有一点和我们人的“智能”不一样的是，一个两岁稚子第一次进动物园，看到老虎时，由于在家中见过猫，根据其父的描述“和猫很像、但比猫更大、有黑白黄斑纹、长牙等是老虎”即可轻易判断所见动物为老虎。

公众号机器学习与生成对抗网络·2020-06-24 03:34

Google’s Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation

Abstract在多语言翻译中，本文提出解决方案为不修改标准的NMT系统，而是在开头加入人工的token去特定标记需要的目标语言。本工作比先前的MultilingualNMT要简单的多，并且不需要加入任何的参数。Introduce这样的学习有几大优势：SimplicityLow-resourcelanguageimprovementZero-shottranslationRelatedWorkze

玉Kilin·2020-04-23 17:45

零样本图像识别 | Leveraging the Invariant Side of Generative Zero-Shot Learning论文笔记

背景：零样本学习的生成对抗网络必须挑战两个问题：1）如何基于有限甚至相似的属性来保证生成多样性？2）如何确保每个生成的样本与真实样本和相应的语义描述高度相关？创新点：①利用生成方法的不变方面（灵魂样本），灵魂样本表示了同一类别语义上最有意义的方面，其余同一类生成样本必须和至少一个灵魂样本接近。语义信息是生成的样本的灵魂。灵魂样本必须不是很具体，以便可以清楚地可视化最有意义的方面并尽可能与许多样本相

熊仔仔zz·2020-04-18 19:00

零样本图像识别 | Generative Dual Adversarial Network for Generalized Zero-shot Learning 论文笔记

论文链接：http://openaccess.thecvf.com/content_CVPR_2019/papers/Huang_Generative_Dual_Adversarial_Network_for_Generalized_Zero-Shot_Learning_CVPR_2019_paper.pdf创新：论文提出了一个新颖的模型，该模型为三种不同的方法提供了统一的框架：视觉→语义映射，语

熊仔仔zz·2020-04-13 17:21

Train Once, Test Anywhere：Zero-Shot Learning for Text Classification

训练一次，随机测试，零样本学习文本分类摘要零样本学习是能够预测看不见的类(unseenclasses)的模型。在这项工作中，我们提出了一种用于文本分类的零样本学习方法。我们的方法涉及在大型句子集上训练模型，以学习句子与句子标签embedding之间的关系。学习这种关系使得模型可以泛化到看不见的句子，标签，甚至新的数据集，前提是它们可以放入相同的嵌入空间(embeddingspace)。该模型学

SpareNoEfforts·2020-04-05 16:56

ZstGAN: An Adversarial Approach forUnsupervised Zero-Shot Image-to-Image Translation

ZstGAN:AnAdversarialApproachforUnsupervisedZero-ShotImage-to-ImageTranslationAbstractIntroductionMethodsProblemFormulationArchitecture(1)Domain-specificfeatureswithsemanticconsistency(2)Domain-invaria

_Summer tree·2019-10-23 19:48

[NLG]Few-Shot Dialogue Generation Without Annotated Data: A Transfer Learning Approach

之前赵天成的zero-shot虽然很惊艳，但是迫于每一句话都需要标注dialoguaction，所以应用性不强。

lwgkzl·2019-10-19 15:26

Zero-Shot Learning论文学习笔记（第三周）

Zero-ShotLearning论文学习笔记（第三周）FeatureGeneratingNetworksforZero-ShotLearning原文链接：摘要算法简介：使用GAN在特征空间生成数据的原因1.f-GAN1.1original-GAN1.2.conditional-GAN1.3.f-GAN2.f-WGAN2.1.WassersteinGAN2.2.f-WGAN3.f-CLSWGAN4

Ace Cheney·2019-10-18 10:47

【论文笔记】Cross-Lingual BERT Transformation for Zero-Shot Dependency Parsing

Cross-LingualBERTTransformationforZero-ShotDependencyParsing.YuxuanWang,WanxiangChe,JiangGuo,YijiaLiu,TingLiu.EMNLP2019[PDF]（短文）本篇论文主要解决目前大部分cross-lingualwordembedding技术存在的问题：（1）依赖大量跨语言数据（2）需要大量计算资源和训

可乐司机·2019-10-03 20:06

Zero-Shot Learning论文阅读笔记（第二周）

Zero-ShotLearning论文阅读笔记（第二周）第一篇：DeViSE:ADeepVisual-SemanticEmbeddingModel主要贡献摘要算法简介算法思想：Skip-gram算法简介：算法核心框架实验结果引用第二篇：Zero-shotrecognitionusingdualvisualsemanticmappingpaths主要贡献摘要算法简介直推式学习和纯半监督学习的区别核心

Ace Cheney·2019-09-25 11:46

Zero-Shot Learning论文阅读笔记（第一周）

Zero-ShotLearning读书笔记（第一周）前言：第一篇：零次学习（Zero-ShotLearning）入门：原文链接ZSL的概念、解释ZSL需要解决的问题常用数据集基础算法介绍ZSL中存在的问题以及解决方法有关ZSL的一些其他的概念第二篇：LearningToDetectUnseenObjectClassesbyBetween-ClassAttributeTransfer摘要算法简介直接

Ace Cheney·2019-09-24 20:19

[CVPR 2019 论文笔记] Gradient Matching Generative Networks for Zero-Shot Learning

用于零样本学习的梯度匹配生成网络作者提出了一种新的Loss来训练零样本的生成网络，梯度匹配GradientMatching(GM)Loss。该Loss可以测量生成样本产生的梯度信号的质量。使用GMLoss可以迫使生成器产生的样本能够训练出精确的分类器。文章目录生成式方法的思想example-synthesisbasedZSL方法的问题无监督GAN为什么用梯度损失代替分类损失？目标分类模型loss代

一亩高粱·2019-09-19 09:55

基于人脸的抗欺骗检测：Deep Tree Learning for Zero-shot Face Anti-Spoofing

首先介绍一下作者：YaojieLiu，afourth-yearPh.D.studentattheDepartmentofComputerScienceandEngineering,MichiganStateUniversity.I’macurrentmemberofComputerVisionLab(CVLAB),advisedbyDr.XiaomingLiu.heisamemberofCompu

啥都学不会·2019-09-06 12:22

[CVPR 2019 论文笔记] On zero-shot recognition of generic objects

一亩高粱·2019-09-05 16:16

Recent Advances in Zero-Shot Recognition(Toward data-efficient understanding of visual content)

AbstractWiththerecentrenaissanceofdeepconvolutionalneuralnetworks(CNNs),encouragingbreakthroughshavebeenachievedonthesupervisedrecognitiontasks,whereeachclasshassufficientandfullyannotatedtrainingdata

bxg1065283526·2019-08-30 19:04

Zero-Shot Deep Domain Adaptation[reading notes]

文章目录AbstractIntroductionRelatedworkOurProposedMethod—ZDDADomainadaptationAbstractDomainadaptation(域适应)isanimportanttooltotransferknowledgeaboutatask.Currentapproaches:假设task-relevanttarget-domain数据在训练

_Summer tree·2019-08-24 15:05

《Class label autoencoder for zero-shot learning》阅读笔记

一、解决的问题现有的零样本学习（ZSL）方法通常在训练已知类或测试未知类中学习featurespace到semanticembeddingspace（文本或属性空间）之间的映射关系。但是，由于多语义嵌入空间具有用于描述同一类的不同语义信息的多样性特征，在特征空间和多语义嵌入空间之间不能使用映射函数。我的理解是：在同一类别中，可能存在多个语义描述，即语义描述与类别之间是多对一的关系！这正是我目前面临

Danidy·2019-07-16 10:26

《Integrating Semantic Knowledge to Tackle Zero-shot Text Classification》阅读笔记

一、解决问题1、以前的一些研究使用不同的数据集进行训练和测试，但训练和测试集中的类之间存在相似性；例如，在（Dauphinetal.，2013）中，训练集中的“imdb.com”类与测试集中的“movies”类自然对应。2、针对关于文本分类的ZSL，很少有人研究三类语义知识（semanticattributes、conceptontology、semanticwordembeddings）中的一种

Danidy·2019-07-13 17:58

[CVPR 2018 论文笔记] Feature Generating Networks for Zero-Shot Learning

文章目录1简介2模型3实验4总结5有意思的地方零样本问题可以看作是数据缺失问题。由于目标域数据不可见，导致模型训练时的数据不均衡。一个直观的想法就是生成目标域的数据。生成图像是最简单的想法，但是本文提出直接生成目标域的特征，而不是图像。我认为，这样做确实能够提高精度，因为最后做分类都是在特征上做的，直接生成特征，能够缓解生成图像质量不好的问题。1简介介绍一篇CVPR2018的文章：FeatureG

一亩高粱·2019-07-12 14:29

《Few-Shot and Zero-Shot Learning for Historical Text Normalization》阅读笔记

一、介绍历史文本规范化（Historicaltextnormalization）：许多历史文档是在没有标准拼写约定的情况下编写的，并且注释数据集很少且很小，由于历史文本由于拼写演化不同，导致人们不能很好的分辨其具体含义。目标：将使这些文件通过NLPmodels处理，转换成当今学者们可以查到的，并且外行人士也能看懂的文本。在之前关于这一主题的大量工作之后，我们将自我限制为逐字归一化，忽略了现代文本与

Danidy·2019-07-09 23:56

ECCV 2018 Selective Zero-Shot Classification with Augmented Attributes

亮点：零样本在选择性分类场景下的应用。前两天，看了李宏毅老师的机器学习2019的视频，里面提到了异常检测。深度学习将各种任务的精度提升到了一个高度。但是，想要在实际中应用，会遇到各种问题，比如攻击。给定一个样本，模型能够判定这个样本是个异常样本，而不是随便给定一个标签？问题：论文引入了一个选择性零样本分类问题：如何让分类器避免不确定的预测？现有方法在选择性分类场景下性能很差。分析：我们认为这是不完

蜉蝣之翼❉·2019-07-06 20:26

深度树学习用于Zero-shot人脸的反欺诈（文末论文）

【导读】今天我们主要讲解零次学习及深度树学习用于人脸发欺诈技术。今天主要会讲解13种欺骗攻击中的ZSFA（Zero-ShotFaceAnti-spoofing）问题，包括打印、重放、3D掩码等，利用新的深度树网络(DTN)，以无监督的方式将欺骗样本划分为语义子组。当数据样本到达、已知或未知攻击时，DTN将其划分到最相似的欺骗集群，并做出二进制决策。最后实验表明，达到了ZSFA多个测试协议的最新水平

gzq0723·2019-06-30 12:21

Zero-Shot Object Detection 翻译

基准零样本检测2.Background-AwareZero-ShotDetection背景感知零样本检测3.DenselySampledEmbeddingSpace(DSES)密集采样词嵌入空间目前的Zero-shot

fa1c0n0·2019-06-28 19:28

[arxiv 2017] Zero-Shot Fine-Grained Classification by Deep Feature Learning with Semantics

论文的重点强调的是学习特征，对零样本细粒度分类更有判别性的特征。该方法分为两个阶段：特征学习和标签推理。假设：识别一个细粒度类别，需要利用高层特征和细粒度特征。而这里的高层特征，论文用的是细粒度类别中暗含的分层语义结构，即“目科属种”这样的关系。每个图片都有这样的分层标注，论文说这样的标注可以从百科中很容易地获得。A.FeatureLlearning特征学习在VGG16网络中的第3-5层后面加入了

一亩高粱·2019-06-24 16:53

Google's Multilingual Neural Machine Traslation System:Enabling Zero-Shot translation

支持多语言的翻译系统支持多种输入语言和多种输出语言的翻译系统。以往的方法：（1）多编码器多解码器方案：其中每一个编码器-解码器对对应一个源语言-目标语言对。（2）一种特定的源语言，不同的目标语言对应不同的解码器。（3）不同的源语言对应不同的编码器，各种目标语言共享一个解码器。谷歌的多语言神经机器翻译系统（1）使用单模型来完成不同源语言到不同目标语言的翻译任务，可以很容易的将其扩展到新的源-目标语言

Xiao_yanling·2019-06-23 23:22

《Semantic Autoencoder for Zero-Shot learning》阅读笔记

一、介绍由CVPR2017收录。利用语义自编码器实现zero-shotlearning的工作，其主要贡献是：（1）提出了一种新的用于zero-shotlearning语义自编码模型；（2）提出了模型对应的高效的学习算法；（3）算法具有扩展性，可以用于监督聚类问题（supervisedclustering问题）。实验证明，该算法在多个数据集上能取得最好效果。---------------------

Danidy·2019-06-20 10:32

[CVPR 2018 论文笔记] Preserving Semantic Relations for Zero-Shot Learning

用于零样本学习的语义关系保持PreservingSemanticRelationsforZero-ShotLearning本文亮点：将语义性引入到嵌入空间对零样本学习是有益处的。文章目录论文下载地址摘要1.引言2.相关工作3.提出的方法3.1定义语义关系3.2保持语义关系3.3挖掘元组4.实验4.1数据集和实验设置4.5approximatesemanticinference参考文献论文下载地址[

一亩高粱·2019-06-07 12:29

读《零次学习（Zero-Shot Learning）入门》

知乎链接https://zhuanlan.zhihu.com/p/34656727?spm=5176.9876270.0.0.399ce44aXsg7cN基础算法介绍文章里没有给出详细代码，自己东拼西凑了一个，精度只有43.5%。%loaddataload('awa_demo_data.mat')%zslregression_lambda=1.0;W=ridgeRegression(X_tr,S_

一亩高粱·2019-06-06 08:06

论文浅尝 | 基于未知谓词与实体类型知识图谱的 Zero-Shot 问题生成

论文笔记整理：谭亦鸣，东南大学博士生，研究方向为跨语言知识图谱问答。来源：NAACL2018链接：https://www.aclweb.org/anthology/N18-1020问题背景与动机问题生成的目标是将知识图谱三元组作为输入，生成自然语言问题的过程。目前大多数的问题生成方法都依赖于大规模有标注数据（例如SimpleQuestion，基于freebase），但是事实上，由75.6%左右的f

开放知识图谱·2019-06-04 21:01

论文阅读（五）Leveraging theInvariant Side of Generative Zero-Shot Learning

1.论文摘要传统的零样本学习（ZSL）方法通常学习嵌入，例如视觉语义映射，以间接的方式处理看不见的视觉样本。本文利用生成对抗网络（GANs）的优点，提出了一种利用不变边（invariantside）GAN（LisGAN）的方法，该方法可以直接从语义描述约束的随机噪声中生成看不见的特征。具体地说，我们训练了一个条件化的WassersteinGANs，在这个GANs中，生成器通过噪声合成假的看不见的特

续袁·2019-06-03 14:37

LASER:基于zero-shot的大规模多语言预训练方法

本文基于2018FacebookAIResearch的文章：MassivelyMultilingualSentenceEmbeddingsforZero-ShotCross-LingualTransferandBeyond是Facebook2018年12月提出的跨语言零样本迁移的LASER框架的实现“说明书”。研究背景前人的解决方式模型核心思想具体实现细节实验结果结论研究背景最近几年基于大规模的u

加勒比海鲜·2019-05-22 14:40

Facebook论文：为实现跨语种Zero-Shot迁移的巨量多语言句子Embeddings

MikelArtetxeHolgerSchwenk(Facebook)MassivelyMultilingualSentenceEmbeddingsforZero-ShotCross-LingualTransferandBeyondAbstract本文介绍了一种可以学习多语言句子表示的方法，可用于30多个语种，93种语言andwrittenin28differentscripts.系统用了所有语言

DerekGrant·2019-05-21 00:00

Zero-shot learning（一）：ZSL的基本概念

**Zero-shotlearning（一）：ZSL的基本概念-------好久没中一区论文了，在此立个旗。今天把所有的思路整理出来，看过的论文之类的罗列出来。有错误的地方大家批评指正，内容多数是各界大牛的论文，大家一起研究。本文内容大家也可以随便转发或copy。-------这一章都是基本概念，初学者、或者是对概念不清楚的等同行可以进来看看。基础比较深厚的可以去看后面的内容，或者不看，轻喷，以讨

活泼的傻大木·2019-04-26 09:36

《Zero-Shot Recognition via Semantic Embeddings and Knowledge Graphs》论文笔记

目录abstractintroductionabstractzero-shot识别问题：学习存在一个没有训练样例的类别的视觉分类器。根据所提供的视觉数据，使用这个类的wordembedding及这个类与其他类别的关系，来训练该视觉分类器。解决方法：将相似类的知识转移到这个类来描述这个类。本文在图卷积网络（GraphConvolutionalNetwork，GCN）的基础上提出了使用semantic

klrp95·2019-03-06 19:34

Zero-Shot Transfer Learning for Event Extraction

【文章来源】事件提取的Zero-Shot迁移学习：https://arxiv.org/pdf/1707.01066.pdf摘要大多数先前的事件提取研究严重依赖于从带注释的事件提及中派生的特征，因此不能应用于没有注释工作的新事件类型

Hi-Cloud·2019-01-10 22:24

零次学习（zero-shot learning）

其中零次（Zero-shot）是指对于要分类的类别对象，一次也不学习。假设我们的模型已经能够识别马，老虎和熊猫了，现在需要该模型也识别斑马，我们首先需要告诉模型，怎样的对象

展希希鸿·2019-01-05 16:30

Zero-shot Learning / One-shot Learning / Few-shot Learning

本文转载自https://blog.csdn.net/JNingWei/article/details/79235019，感谢原博主整理分享1.Introduction在迁移学习中，由于传统深度学习的学习能力弱，往往需要海量数据和反复训练才能修得泛化神功。为了“多快好省”地通往炼丹之路，炼丹师们开始研究Zero-shotLearning/One-shotLearning/Few-shotLearn

清风与归_G·2019-01-04 18:53

DL概念之zero-shot learning

Zero-shotlearningzero-shotlearning指在训练模型时，没有这个类别的训练样本。但是我们可以学习到一个映射/模型X->Y。若此映射/模型足够好的话，我们就可以处理没有看到的类了。比如，我们在训练时没有看见过狮子的图像，但是我们可以用这个映射得到狮子的特征。一个好的狮子特征，可能就和猫，老虎等等比较接近，和汽车，飞机比较远离。感性认识：感性认识的话，虽然我们不知道这东西叫

一方·2018-12-10 16:51

Transductive Unbiased Embedding for Zero-Shot Learning解读

今天介绍一篇关于缓解传导偏差的零样本学习文章，该论文已被CVPR2018录入。定义源类(sourceclass)：传统zsl中，只在训练集中被标识的类，被标记。目标类(targetclass)：传统zsl中，只在测试集出现的类，未被标记。（源类与目标类交集为空）可见类(seenclass)：等同于sourceclass。不可见类(unseenclass)：等同于targetclass。广义zsl设

子小民·2018-11-23 22:39

zero-shot object detection

dspeia·2018-11-13 16:07

【论文学习】零样本学习：Zero-Shot learning（2018CVPR）

1、简介见过和没见过的类别都要提供类别描述信息（比如用户定义的属性标注、类别的文本描述、类别名的词向量等）；某些描述信息是各个类别共有的。这些描述信息通常被称为辅助信息或语义表征。典型ZSL方法的一个通用假设是：存在一个共有的嵌入空间，其中有一个映射函数：定义这个函数的目的是对于见过或没见过的类别，衡量图像特征φ(x)和语义表征ψ(y)之间的相容性（compatibility）。W是所要学习的视觉

Always_ease·2018-11-09 19:36

[NIPS 2018笔记] Generalized Zero-Shot Learning with Deep Calibration Network

基于深度校准网络的广义零样本学习GeneralizedZero-ShotLearningwithDeepCalibrationNetwork本文亮点：在训练时使用目标域的标签文章目录[基于深度校准网络的广义零样本学习GeneralizedZero-ShotLearningwithDeepCalibrationNetwork](http://ise.thss.tsinghua.edu.cn/~mlo

一亩高粱·2018-11-05 10:34

[NIPS 18] Stacked Semantics-Guided Attention Model for Fine-Grained Zero-Shot Learning

用于细粒度零样本学习的堆叠语义引导注意力模型StackedSemantics-GuidedAttentionModelforFine-GrainedZero-ShotLearning本文亮点：使用过类别语义引导视觉特征，加权不同局部特征。Abstract:Zero-ShotLearning(ZSL)isachievedviaaligningthesemanticrelationshipsbetwe

hairui88·2018-11-03 22:44

[CVPR 18] Discriminative Learning of Latent Features for Zero-Shot Recognition

零样本学习新进展：使用鉴别性特征实现零样本识别DiscriminativeLearningofLatentFeaturesforZero-ShotRecognition本文亮点：对人类定义属性进行扩充，学习隐含属性。ZSL零样本学习(zero-shotlearning,ZSL)详见郑哲东在知乎中的回答。它的目标是通过训练阶段从已见类别中学习到的知识，来识别未见类别。Abstract摘要：零样本学习

hairui88·2018-11-02 18:24

推荐频道

zero-shot