用于零样本学习的深度神经网络

当前的零样本学习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，这样的投影函数只关注预测训练的已知类别的语义表示（例如属性预测）或分类。当应用于测试数据时，即在ZSL的上下文中包含没有训练数据的不同（未知）类别，ZSL模型通常会遭受项目域转移的影响。为了解决这个问题，本文提出了一种新的深度神经网络框架，用于零样本学习。该框架具有比传统ZSL模型更强的泛化能力，并且在多项基准测试中表现出良好的结果。