一种基于多模态特征融合的零样本学习分类方法及设备.pdfVIP

下载本文档

2
0
约2.05万字
约 17页
2023-05-17 发布于北京
举报
版权申诉

一种基于多模态特征融合的零样本学习分类方法及设备.pdf

1、本文档共17页，其中可免费阅读16页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于多模态特征融合的零样本学习分类方法及设备，属于图像识别技术领域，用于解决现有的基于生成模型的零样本学习模型中存在域偏移问题和视觉特征域偏移问题。方法包括：根据训练样本的语义特征以及视觉主成特征，得到多模态融合条件特征；根据训练样本的真实特征与多模态融合条件特征，得到合成视觉特征；对合成视觉特征进行映射，得到语义模态对齐损失函数；通过生成器，对语义嵌入特征进行重构，得到重构样本视觉特征，并计算视觉模态对齐损失函数；根据模型总损失函数，对生成器中的相关参数进行优化；根据优化后的生

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114821148 A (43)申请公布日 2022.07.29 (21)申请号 202210207381.5 G06V 10/80 (2022.01)