之前写过一篇关于零样本学习的博客 <https://blog.csdn.net/Liangjun_Feng/article/details/82026574>
,当时写的比较浅。后来导师让我弄个ppt去给本科生做一个关于Zero Shot Learning
的报告,我重新总结了一下,添加了一些新的内容,讲课的效果应该还不错,这里就再写一篇作为相关内容的扩展

<>一、预备知识及问题陈述

<>1.1 预备知识-计算机视觉里的识别问题

为了方便介绍我们的零样本问题,这里先简单介绍一下计算机视觉里我们通常所指的识别问题


上图 (markdown好想出了点问题,不能居中了,难受…) 展示了我们熟悉的人脸识别问题,包括图片中人的身份,年龄,以及人脸在图片中的位置等。
解决这样的人脸识别问题,我们可以总结出一个简单的模式



即,首先选择一个合适的学习器
(现在在视觉里通常都是CNN),为这个学习器准备充足的训练数据和对应的标签,利用训练数据训练该学习器。在实际使用时,将测试数据输入到训练好的学习器中,学习器就可以输出测试数据对应的标签。这里值得一提的是,
这种一般的模式,在测试时,学习器只能预测训练集中已有的类别。

<>1.2 零样本学习的问题描述

我们通过例子来讲解零样本学习的问题
现在我们有了六组训练数据如下:

它们分别是马,驴,老虎,鬣狗,企鹅和熊猫,每一类别的数据都有成千上万张充足的图片作为训练数据
然而,现在在零样本学习任务中,我们的测试数据是这样的

我们已经知道测试时候会有斑马和犀牛两类图片,零样本学习要求在测试时对于输入的图片,辨别其是斑马还是犀牛。
这就是零样本学习的一个具体描述,与一般的识别问题的不同点在于,其 测试集的类别与训练集的类别不存在交集
,按照之前总结的简单流程是没有办法解决零样本问题的,需要寻找新的方法。

<>二、ZSL的提出及若干模型

<>2.1 基于物体属性的预测

Lampert C H, Nickisch H, Harmeling S. Learning to detect unseen object classes
by between-class attribute transfer[M]. IEEE, 2009.
<http://xueshu.baidu.com/s?wd=Lampert+C+H%2C+Nickisch+H%2C+Harmeling+S.+Learning+to+detect+unseen+object+classes+by+between-class+attribute+transfer.+IEEE+CVPR%2C+2009.&rsv_bp=0&tn=SE_baiduxueshu_c1gjeupa&rsv_spt=3&ie=utf-8&f=8&rsv_sug2=0&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D>
这篇论文提出了零样本学习的概念并给出了最初的解决方法,称为类间属性迁移
我们用下图来说明该方法的主要思路


我们之前所给出的六类训练数据并不是胡乱给出的,根据上图我们可以看出,我们可以利用一个学习器,学习出一个动物是否具有马的外形,利用第二个学习器学习出一个动物是否具有斑纹,利用第三个学习器学习一个动物是否具有黑白间隔的颜色。

当一张斑马的图片分别输入到这三个学习器之后,我们可以得到这张图片里的动物具有马的外形,斑纹以及黑白间隔的颜色。如果此时我们有一张表,这张表里记录着每一种动物这三种属性的取值,我们就可以通过查表的方式,将这张图片对应到斑马这一类别
这里的属性表,是可以事先总结好的,因为收集大量的未知类别的图片是困难的,但是仅仅总结每一类别相应的属性却是可行的

类间属性迁移的核心思想在于:

虽然物体的类别不同,但是物体间存在相同的属性,提炼出每一类别对应的属性并利用若干个学习器学习。在测试时对测试数据的属性预测,再将预测出的属性组合,对应到类别,实现对测试数据的类别预测

<>2.2 词向量与语义输出编码模型

Palatucci M, Pomerleau D, Hinton G, et al. Zero-shot learning with semantic
output codes[C]// International Conference on Neural Information Processing
Systems. Curran Associates Inc. 2009:1410-1418.
<http://xueshu.baidu.com/s?wd=Palatucci%2C+Mark+M%2C+Pomerleau%2C+Dean+A%2C+Hinton%2C+Geoffrey+E%2C+et+al.+Zero-Shot+Learning+with+Semantic+Output+Codes.+Advances+in+Neural+Information+Processing+Systems%2C+2009%3A1410-1418.&rsv_bp=0&tn=SE_baiduxueshu_c1gjeupa&rsv_spt=3&ie=utf-8&f=8&rsv_sug2=1&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D>
该论文里使用词向量来实现零样本学习

词向量(word2vec)是指将自然语言中的字词转为计算机可以理解的数字向量,并且其中意思相近的词将被映射到向量空间中相近的位置。我们来看一个简单的例子



如上图,如果我们把北京、上海、东京、华盛顿、纽约五个城市的单词转化为2维的词向量,我们可以发现它们在平面内的分布在距离上是和实际空间相似的,北京上海东京离的比较近,纽约和华盛顿离的比较近
回到我们的问题上,
驴和马谁离斑马比较近?
老虎和老鹰谁离家猫比较近?
如果我们将原先的表示类别的词(马、驴、老虎等)编码为词向量,那么我们就可以用距离来衡量一个未知的词向量的归属

语义输出编码的核心思想在于:
将训练标签编码为词向量,基于训练数据和词向量训练学习器。测试时输入测试数据,输出为预测的词向量,计算预测结果与未知类别词向量的距离,数据距离最近的类别

由以上两个模型,我们可以总结出一个零样本学习的简单模式


上图中,images space和label space分别为初始的图像空间和标签空间,
在零样本学习中,一般会通过一些方法将图片映射到特征空间中,这个空间称为feature embeding;同样的标签也会被映射到一个label
embeding当中,学习feature embeding和label embeding中的线性或非线性关系用于测试时的预测转化取代之前的直接由images
space 到 label space的学习

<>2.3 Discriminative learning of latent feature

之前我们讲了两种比较基础的方法并总结了零样本学习的一般模式,现在再来讲一个相对复杂的模型,这一模型称为 Discriminative learning of
latent feature,源于论文
Li Y, Zhang J, Zhang J, et al. Discriminative Learning of Latent Features for
Zero-Shot Recognition[J]. 2018.
<http://xueshu.baidu.com/s?wd=Discriminative+Learning+of+Latent+Features+for+Zero-Shot+Recognition&tn=SE_baiduxueshu_c1gjeupa&cl=3&ie=utf-8&bs=Palatucci%2C+Mark+M%2C+Pomerleau%2C+Dean+A%2C+Hinton%2C+Geoffrey+E%2C+et+al.+Zero-Shot+L&f=8&rsv_bp=1&rsv_sug2=0&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D&rsv_spt=3>
相比于类间属性迁移方法,它主要增加了两个思路:
(1)设计了专门的网络找到图片中目标的主体部分
(2)出了利用人工标注的属性,还从原始图片中搜索潜在属性加入label embeding
模型示意图如下:

模型看似复杂,其实还是基于之前总结的模式的

*

首先看左下角被蓝色虚线框出的模块,首先大象表示的是被圈出的图像主体部分(我们先不考虑怎样圈出的,后续会介绍),该原始图像通过一个特征提取网络FNet提取出特征,该特征通过一个ENet对右边的label
embeding进行学习。这一模式和我们之前总结的是一样的,只是这里除了我们之前提到的LattL_{att}Latt​ (人工标注的特征) 还有 Llat
L_{lat}Llat​ (学习得到的潜在特征,之后会介绍如何得到)

*
蓝色虚线框出了一个通道,该通道上面还有一个相似的通道,不同点在于,上面的通道输入的是原始图片而不是主体放大后的图片

*

两通道之间通过一个ZNet相连,这里的ZNet是找到主体的全链接网络,它从原始图片找到主体后将其作为下面通道的输入,两个通道同时进行训练,训练目标是使得同时在四个label(
两组LattL_{att}Latt​ LlatL_{lat}Llat​)上的损失达到最小

该模型的主要思路就是这样,接下来我们看两个问题:

*
图片中的主体部分是如何找到的?
主体部分可以被一个方框圈出,使用三个参数 [x,y,z][x,y,z][x,y,z]
表示这个方框。随机初始化三个参数,训练一个网络ZNet,当上述提到的四个label的loss达到最小的时候,找到的三个参数自然是最优的,对应到图片的主体部分
[x,y,z]=W∅conv(x)[x,y,z]=W\varnothing _{conv}(x)[x,y,z]=W∅conv​(x)
这里, ∅conv\varnothing _{conv}∅conv​ 表示特征提取网络FNet的最后一个卷积层的输出,W则表示的是ZNet训练出的权重

*
怎样找到潜在的有差异性的特征
寻找的方式类似于费舍尔判别分析,即类间差异最大,类内差异最小,其目标函数可以立为
min(d(∅(xi),∅(xk))−d(∅(xi),∅(xj)))min
(d(\varnothing(x_{i}),\varnothing(x_{k}))-d(\varnothing(x_{i}),\varnothing(x_{j})))
min(d(∅(xi​),∅(xk​))−d(∅(xi​),∅(xj​)))
这里 ddd 表示的是欧式距离,∅\varnothing∅ 表示的是寻找潜在特征的函数, xi,xkx_{i},x_{k}xi​,xk​ 是同类样本,xi,
xjx_{i},x_{j}xi​,xj​ 是不同类样本

<>三、General Zero Shot Learning 通用零样本学习

通用零样本学习要求准确预测 见过的和没见过的类别(ZSL只要求预测没有见过的类别)
这里介绍一个可以用于通用零样本学习的模型
Wang X, Ye Y, Gupta A. Zero-shot Recognition via Semantic Embeddings and
Knowledge Graphs[J]. 2018.
<http://xueshu.baidu.com/s?wd=Zero+Shot+Recognition+via+Semantic+Embeddings+and+Knowledge+Graph&tn=SE_baiduxueshu_c1gjeupa&cl=3&ie=utf-8&bs=Discriminative+Learning+of+Latent+Features+for+Zero-Shot+Recognition&f=8&rsv_bp=1&rsv_sug2=0&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D&rsv_spt=3>


该方法的主要思路是:
首先利用训练数据和训练类别训练一个 WseenW_{seen}Wseen​。 再利用词向量作为输入, WseenW_{seen}Wseen​
作为标签,训练一个图卷积网络,利用该图卷积网络输入测试类别的词向量得到WunseenW_{unseen}Wunseen​。WseenW_{seen}Wseen​
和WunseenW_{unseen}Wunseen​一起组成学习器 WWW 实现对所有类别的预测

<>四、ZSL的发展现状

这里主要参考18年TPAMI上的的综述
Xian Y, Lampert C H, Schiele B, et al. Zero-Shot Learning - A Comprehensive
Evaluation of the Good, the Bad and the Ugly[J]. IEEE Transactions on Pattern
Analysis & Machine Intelligence, 2017, PP(99):1-1.
<http://xueshu.baidu.com/s?wd=Zero-Shot+Learning+-+A+Comprehensive+Evaluation+of+the+Good%2C+the+Bad+and+the+Ugly&tn=SE_baiduxueshu_c1gjeupa&cl=3&ie=utf-8&bs=Zero+Shot+Recognition+via+Semantic+Embeddings+and+Knowledge+Graph&f=8&rsv_bp=1&rsv_sug2=0&sc_f_para=sc_tasktype%3D%7BfirstSimpleSearch%7D&rsv_spt=3>
对于普通零样本识别(只要求预测未知类别)目前的方法有如下精度

这里SUN、CUB、AWA1、AWA2、aPY表示5个数据集
SS、PS表示两种不同的已知、未知类别划分方式

对于通用零样本识别

这里ts表示在未知类别上的精度,tr表示在已知类别上的精度,H是两者的综合指标
比较两表可以发现,通用零样本识别的难度远远高于普通的零样本识别,也是未来的重要工作方向之一

<>五、附数据集下载地址

AwA: http://pan.baidu.com/s/1nvPzsXb <http://pan.baidu.com/s/1nvPzsXb>
CUB: http://pan.baidu.com/s/1nv3KCYH <http://pan.baidu.com/s/1nv3KCYH>
aPaY: http://pan.baidu.com/s/1hseSzVe <http://pan.baidu.com/s/1hseSzVe>
SUN: http://pan.baidu.com/s/1gfAc33X <http://pan.baidu.com/s/1gfAc33X>
ImageNet2: http://pan.baidu.com/s/1pLfZYQ3 <http://pan.baidu.com/s/1pLfZYQ3>

友情链接
ioDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:637538335
关注微信