零樣本圖像分類(lèi)

定　價(jià)：￥119.00

作　者：	王雪松,張通,程玉虎
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030681294	出版時(shí)間：	2021-07-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	211	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　零樣本圖像分類(lèi)主要解決在標(biāo)記訓(xùn)練樣本不足以涵蓋所有對(duì)象類(lèi)的情況下，如何對(duì)未知新模式進(jìn)行正確分類(lèi)的問(wèn)題，近年來(lái)已逐漸成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)之一?！±每梢?jiàn)類(lèi)訓(xùn)練樣本學(xué)習(xí)到的分類(lèi)器對(duì)新出現(xiàn)的對(duì)象類(lèi)進(jìn)行分類(lèi)識(shí)別是非常困難的學(xué)習(xí)任務(wù)?！读銟颖緢D像分類(lèi)》針對(duì)零樣本圖像分類(lèi)問(wèn)題從屬性角度入手，基于深度學(xué)習(xí)及知識(shí)挖掘、屬性自適應(yīng)、屬性擴(kuò)展和相對(duì)屬性4個(gè)方面進(jìn)行展開(kāi)，分別對(duì)應(yīng)第3～6章、第7～8章、第9～11章和第12～13章，《零樣本圖像分類(lèi)》共13章。此外，各章內(nèi)容涉及相關(guān)領(lǐng)域基礎(chǔ)知識(shí)的介紹，能夠?yàn)椴煌瑢哟蔚淖x者與研究人員提供入門(mén)知識(shí)與參考信息。

作者簡(jiǎn)介

暫缺《零樣本圖像分類(lèi)》作者簡(jiǎn)介

圖書(shū)目錄

目錄
第1章緒論 1
1.1 零樣本圖像分類(lèi) 1
1.2 零樣本圖像分類(lèi)發(fā)展現(xiàn)狀 2
1.2.1 屬性知識(shí)表示方法研究進(jìn)展 3
1.2.2 知識(shí)遷移與共享方法研究進(jìn)展 7
1.3 本書(shū)主要研究?jī)?nèi)容 10
參考文獻(xiàn) 11
第2章屬性學(xué)習(xí)基礎(chǔ)知識(shí) 14
2.1 屬性基本概念及特點(diǎn) 14
2.2 二值屬性學(xué)習(xí) 15
2.2.1 二值屬性基本概念 15
2.2.2 二值屬性分類(lèi)器學(xué)習(xí) 16
2.3 相對(duì)屬性學(xué)習(xí) 17
2.3.1 相對(duì)屬性基本概念 17
2.3.2 排序?qū)W習(xí) 18
2.3.3 相對(duì)屬性的應(yīng)用 19
2.4 基于屬性的零樣本圖像分類(lèi) 21
2.4.1 間接屬性預(yù)測(cè)模型 22
2.4.2 直接屬性預(yù)測(cè)模型 23
參考文獻(xiàn) 24
第3章基于關(guān)聯(lián)概率的間接屬性加權(quán)預(yù)測(cè)模型 26
3.1 系統(tǒng)結(jié)構(gòu) 26
3.2 RP-IAWP模型 27
3.3 RP-IAWP模型權(quán)重計(jì)算 29
3.4 RP-IAWP模型分析 30
3.5 算法步驟 31
3.6 實(shí)驗(yàn)結(jié)果與分析 31
3.6.1 實(shí)驗(yàn)設(shè)置 31
3.6.2 屬性預(yù)測(cè)實(shí)驗(yàn) 32
3.6.3 零樣本圖像分類(lèi)實(shí)驗(yàn) 32
3.6.4 權(quán)重分析實(shí)驗(yàn) 35
3.7 本章小結(jié) 36
參考文獻(xiàn) 36
第4章基于深度特征提取的零樣本圖像分類(lèi) 38
4.1 系統(tǒng)結(jié)構(gòu) 39
4.2 圖像預(yù)處理 40
4.3 特征映射矩陣學(xué)習(xí) 41
4.4 視覺(jué)圖像特征學(xué)習(xí) 43
4.5 算法步驟 44
4.6 實(shí)驗(yàn)結(jié)果與分析 45
4.6.1 實(shí)驗(yàn)設(shè)置 45
4.6.2 參數(shù)分析 45
4.6.3 屬性預(yù)測(cè)實(shí)驗(yàn) 47
4.6.4 零樣本圖像分類(lèi)實(shí)驗(yàn) 49
4.7 本章小結(jié) 53
參考文獻(xiàn) 54
第5章基于深度加權(quán)屬性預(yù)測(cè)的零樣本圖像分類(lèi) 55
5.1 系統(tǒng)結(jié)構(gòu) 56
5.2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的屬性學(xué)習(xí) 57
5.3 基于稀疏表示的屬性-類(lèi)別關(guān)系挖掘 61
5.4 基于直接屬性加權(quán)預(yù)測(cè)的零樣本圖像分類(lèi) 63
5.5 算法步驟 64
5.6 實(shí)驗(yàn)結(jié)果與分析 65
5.6.1 實(shí)驗(yàn)設(shè)置 65
5.6.2 屬性預(yù)測(cè)實(shí)驗(yàn) 66
5.6.3 零樣本圖像分類(lèi)實(shí)驗(yàn) 68
5.7 本章小結(jié) 75
參考文獻(xiàn) 75
第6章基于類(lèi)別與屬性相關(guān)先驗(yàn)知識(shí)挖掘的零樣本圖像分類(lèi) 77
6.1 系統(tǒng)結(jié)構(gòu) 78
6.2 基于白化余弦相似度的類(lèi)別-類(lèi)別相關(guān)性挖掘 79
6.3 基于稀疏表示的屬性-類(lèi)別相關(guān)性挖掘 80
6.4 基于稀疏表示的屬性-屬性相關(guān)性挖掘 81
6.5 算法時(shí)間復(fù)雜度 82
6.6 實(shí)驗(yàn)結(jié)果與分析 82
6.6.1 實(shí)驗(yàn)數(shù)據(jù)集 82
6.6.2 參數(shù)分析 82
6.6.3 屬性預(yù)測(cè)實(shí)驗(yàn) 85
6.6.4 零樣本圖像分類(lèi)實(shí)驗(yàn) 87
6.7 本章小結(jié) 93
參考文獻(xiàn) 93
第7章基于自適應(yīng)多核校驗(yàn)學(xué)習(xí)的多源域?qū)傩宰赃m應(yīng) 94
7.1 系統(tǒng)結(jié)構(gòu) 96
7.2 源域構(gòu)造 97
7.3 特征選擇 99
7.4 基于中心核校準(zhǔn)的自適應(yīng)多核學(xué)習(xí) 99
7.5 算法步驟 101
7.6 實(shí)驗(yàn)結(jié)果與分析 102
7.6.1 實(shí)驗(yàn)數(shù)據(jù)集 102
7.6.2 參數(shù)分析 102
7.6.3 零樣本圖像分類(lèi)實(shí)驗(yàn) 105
7.7 本章小結(jié) 115
參考文獻(xiàn) 116
第8章基于深度特征遷移的多源域?qū)傩宰赃m應(yīng) 117
8.1 系統(tǒng)結(jié)構(gòu) 118
8.2 多源域構(gòu)造 120
8.3 圖像預(yù)處理 120
8.4 深度可遷移特征提取 121
8.5 目標(biāo)域特征加權(quán) 122
8.6 基于稀疏表示的屬性-類(lèi)別關(guān)系挖掘 123
8.7 基于多源決策融合的IAP模型 124
8.8 實(shí)驗(yàn)結(jié)果與分析 125
8.8.1 實(shí)驗(yàn)數(shù)據(jù)集 125
8.8.2 參數(shù)分析 125
8.8.3 零樣本圖像分類(lèi)實(shí)驗(yàn) 127
8.9 本章小結(jié) 131
參考文獻(xiàn) 133
第9章基于混合屬性的直接屬性預(yù)測(cè)模型 134
9.1 研究動(dòng)機(jī) 134
9.2 系統(tǒng)結(jié)構(gòu) 135
9.3 基于HA-DAP的零樣本圖像分類(lèi) 135
9.3.1 混合屬性的構(gòu)造 135
9.3.2 基于稀疏編碼的非語(yǔ)義屬性學(xué)習(xí) 137
9.3.3 基于混合屬性的直接屬性預(yù)測(cè)模型 138
9.4 實(shí)驗(yàn)結(jié)果與分析 140
9.4.1 實(shí)驗(yàn)設(shè)置 140
9.4.2 零樣本圖像分類(lèi)實(shí)驗(yàn) 141
9.5 本章小結(jié) 145
參考文獻(xiàn) 146
第10章基于關(guān)系非語(yǔ)義屬性擴(kuò)展的自適應(yīng)零樣本圖像分類(lèi) 147
10.1 系統(tǒng)結(jié)構(gòu) 148
10.2 關(guān)系非語(yǔ)義屬性獲取 149
10.3 域間自適應(yīng)關(guān)系映射 150
10.4 關(guān)系非語(yǔ)義屬性擴(kuò)展的自適應(yīng)零樣本圖像分類(lèi) 152
10.5 實(shí)驗(yàn)結(jié)果與分析 153
10.5.1 實(shí)驗(yàn)設(shè)置 153
10.5.2 參數(shù)分析 153
10.5.3 關(guān)系非語(yǔ)義屬性字典分析 154
10.5.4 零樣本圖像分類(lèi)實(shí)驗(yàn) 156
10.6 本章小結(jié) 161
參考文獻(xiàn) 161
第11章基于多任務(wù)擴(kuò)展屬性組的零樣本圖像分類(lèi) 163
11.1 系統(tǒng)結(jié)構(gòu) 164
11.2 多任務(wù)擴(kuò)展屬性組訓(xùn)練模型 165
11.3 類(lèi)別-類(lèi)別關(guān)系矩陣構(gòu)建 167
11.4 基于多任務(wù)擴(kuò)展屬性組的零樣本分類(lèi) 168
11.5 實(shí)驗(yàn)結(jié)果與分析 169
11.5.1 實(shí)驗(yàn)設(shè)置 169
11.5.2 類(lèi)別關(guān)系矩陣構(gòu)建 170
11.5.3 類(lèi)別與屬性分組構(gòu)建 171
11.5.4 零樣本圖像分類(lèi)實(shí)驗(yàn) 172
11.6 本章小結(jié) 177
參考文獻(xiàn) 178
第12章基于共享特征相對(duì)屬性的零樣本圖像分類(lèi) 179
12.1 研究動(dòng)機(jī) 179
12.2 系統(tǒng)結(jié)構(gòu) 180
12.3 基于RA-SF的零樣本圖像分類(lèi) 181
12.3.1 共享特征學(xué)習(xí) 182
12.3.2 基于共享特征的相對(duì)屬性學(xué)習(xí) 183
12.3.3 基于共享特征的相對(duì)屬性零樣本圖像分類(lèi) 185
12.4 實(shí)驗(yàn)結(jié)果與分析 186
12.4.1 實(shí)驗(yàn)數(shù)據(jù)集 186
12.4.2 參數(shù)分析 187
12.4.3 共享特征學(xué)習(xí)實(shí)驗(yàn) 188
12.4.4 屬性排序?qū)嶒?yàn) 189
12.4.5 零樣本圖像分類(lèi)實(shí)驗(yàn) 192
12.5 本章小結(jié) 193
參考文獻(xiàn) 194
第13章基于相對(duì)屬性的隨機(jī)森林零樣本圖像分類(lèi) 196
13.1 研究動(dòng)機(jī) 196
13.2 系統(tǒng)結(jié)構(gòu) 197
13.3 基于RF-RA的零樣本圖像分類(lèi) 197
13.3.1 屬性排序函數(shù)的學(xué)習(xí) 197
13.3.2 屬性排序得分模型的建立 199
13.3.3 基于相對(duì)屬性的隨機(jī)森林分類(lèi)器 200
13.3.4 基于RF-RA的零樣本圖像分類(lèi) 201
13.4 實(shí)驗(yàn)結(jié)果與分析 202
13.4.1 屬性排序?qū)嶒?yàn) 202
13.4.2 零樣本圖像分類(lèi)實(shí)驗(yàn) 204
13.4.3 圖像描述實(shí)驗(yàn) 208
13.5 本章小結(jié) 210
參考文獻(xiàn) 211