[发明专利]一种基于类别表示指导特征选择的零次学习分类算法

摘要

本发明涉及一种基于类别表示指导特征选择的零次学习分类算法，本发明首先利用神经网络自编码器的结构，同时训练样本视觉特征到类别语义的映射，及其反映射，在类别语义空间中，将样本与类别作损失。定义一个额外的特征选择层，将每次用于网络训练的批数据所对应的类别表示，反映射到样本视觉特征空间中，与样本表示作差，并求所有差的均值，再将结果通过sigmoid函数，得到一个特征的重要性分布表示，将其与特征选择层的值作损失。利用两个损失函数，训练模型。本发明提出的特征选择层及其训练方法，可以选择出有利于零次学习分类的特征，从而得到更好的零次学习分类效果。

主权项

1.一种基于类别表示指导特征选择的零次学习分类算法，其特征在于，主要包括以下步骤：步骤a：利用深度神经网络对样本数据进行特征提取，得到训练数据和测试数据步骤b：训练一个基础的自编码器形式的神经网络模型，建立样本与对应类别之间的联系，实现分类；步骤c：在步骤b的模型中，将训练样本映射入语义嵌入空间中前，点乘上一个特征选择层mask，进行特征选择，再映射入语义嵌入空间中，与训练类别语义表示所组成的矩阵S^s作损失；步骤d：将训练数据对应的类别语义表示利用步骤b中训练好的模型，反映射到样本特征空间中，并与训练数据进行操作，得到目标mask_o，制作mask损失，指导步骤c中的特征选择层mask的生成。结合所有损失，对模型进行训练；步骤e：测试时，将测试样本通过mask层并映射到类别语义空间中，得到对应的类别。