【文件属性】：
文件名称：matlab聚类的代码-SAE:零镜头学习语义自动编码器（Spotlight），CVPR2017
文件大小：7KB
文件格式：ZIP
更新时间：2021-05-23 20:18:28
系统开源
matlab聚类的代码零镜头学习的语义自动编码器
Elyor
Kodirov，Tao
Xiang和Shaogang
Gong，聚光灯。
抽象的
现有的零镜头学习（ZSL）模型通常从视觉特征空间到语义嵌入空间（例如，属性空间）学习投影函数。
然而，这种投影功能仅与预测训练所见类的语义表示（例如，属性预测）或分类有关。
当应用于ZSL上下文中包含不同（看不见）的类而没有训练数据的测试数据时，ZSL模型通常会遭受项目域转移问题的困扰。
在这项工作中，我们基于学习语义自动编码器（SAE）提出了一种ZSL的新颖解决方案。
与现有的ZSL模型一样，采用编码器-解码器范例，编码器旨在将视觉特征向量投影到语义空间中。
然而，解码器施加了附加的约束，即，投影/代码必须能够重构原始的视觉特征。
我们证明，在这种附加的重构约束下，从可见类中学习的投影函数能够更好地推广到新的未见类中。
重要的是，编码器和解码器是线性且对称的，这使我们能够开发出极其有效的学习算法。
在六个基准数据集上进行的大量实验表明，所建议的SAE明显优于现有的ZSL模型，并具有较低的计算成本。
此外，当SAE应用于监督聚类问题时，它也超越
【文件预览】：
SAE-master
----library()
--------NormalizeRows.m(2KB)
--------zsl_el.m(716B)
--------NormalizeFea.m(1KB)
--------label_matrix.m(581B)
--------SAE.m(344B)
----ImNet_2_demo.m(2KB)
----data_zsl()
--------README.md(263B)
----README.md(2KB)
----awa_demo.m(1KB)
----cub_demo.m(2KB)