科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明涉及一种基于循环一致性的零样本识别方法及系统,从收集的数据集中,选取一部分类别为训练集,剩下的为测试集,其中训练集样本带标注信息,测试集样本不带标注信息；构建用于广义零样本识别的待训练循环一致性生成对抗网络模型,包括两个生成器、两个判别器和一个去冗余模块；构建多目标损失函数,对上述构造的循环一致性生成对抗网络模型进行更新,不断地优化网络模型的参数,得到训练完成的循环一致性生成对抗网络模型；基于训练完成的循环一致性生成对抗网络,分别在AWA、CUB和SUN三个数据集上进行测试,得出识别结果。本发明的方法可以识别未带标注信息的属性表示,且能够提高广义零样本识别的精度,提升模型的泛化能力。
- 单位
