计算机科学与探索

作者：刘颖, 冯小东, 何敬鲁

单位：西安邮电大学 图像与信息处理研究中心，西安 710121

关键词：零样本图像分类,生成模型,对比学习,聚类原型,类别原型

基金：国家自然科学基金（62301427）。

零样本图像分类旨在利用训练过程中可见类的信息实现未见类的预测。特征生成的方法在语义特征的指导下，利用生成模型合成未见类的视觉特征，并在视觉特征空间训练一个有监督学习模型完成预测。但是，视觉特征空间缺乏足够的判别性信息，得到的分类结果不是最优的。为此，构建一个基于对比学习的对比嵌入模块，将生成的特征与真实的特征映射至对比嵌入空间，在对比嵌入空间分别进行实例嵌入与类嵌入，利用对比学习更好地学习实例之间的差异以及类之间的区别，获得更具判别性信息的特征，并最终在对比嵌入空间训练一个有监督学习模型完成预测。此外，为了充分利用视觉特征的数据分布，获得更接近真实特征及其语义信息的生成特征，利用Vision Transformer提取图像的视觉特征，并在特征生成的过程中加入双原型约束策略，利用聚类原型和类别原型帮助生成模型更好地学习数据分布。该策略分别约束生成特征接近真实特征的聚类原型以及生成特征的类别原型接近真实特征的聚类原型。在三个公共数据集上的实验结果验证了提出算法的有效性。

来源：2025年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第8期