基本信息

---

下载

文档摘要

---

融合视语义特征增强的零样本学习进阶研究

一、引言

1.1研究背景与意义

在机器学习和人工智能快速发展的当下，传统监督学习模型虽在众多领域取得显著成果，但对大规模标注数据的依赖，极大限制了其应用范围。标注数据不仅耗费大量人力、物力和时间，在一些特定场景下，如稀有物种识别、罕见疾病诊断、新出现物体类别判断等，获取标注样本更是难上加难。零样本学习（Zero-ShotLearning，ZSL）正是在这样的背景下应运而生，旨在解决数据稀缺问题，使模型能在未曾接触过的样本上进行分类或识别。

零样本学习的核心在于利用已知类别的数据来理解、推断未知类别，通过挖掘类别间的共享属性和语义关系，实现知识从已知类