[发明专利]一种基于非线性语义嵌入的零样本分类方法

权利要求书

1.一种基于非线性语义嵌入的零样本分类方法，其特征在于，包括如下步骤：

1)建立适用于零样本学习的非线性语义嵌入模型：

其中，f(x_i)表示样本x_i的视觉特征，y_i表示样本对应的类别标签，a_yi表示类别y_i的语义特征，M表示训练样本的个数，V,b是需要训练的模型参数，表示正则项，α表示超球体的半径，λ表示权重系数，||·||_F表示Frobenius范数；

2)利用梯度下降法学习到非线性语义嵌入模型中模型参数V,b；

3)利用学习到的模型参数V,b实现零样本分类，所述的零样本分类包括：

(1)利用卷积神经网络提取测试样本x_t的视觉特征f(x_t)；

(2)计算测试样本的视觉特征f(x_i)与未见类别的分类器之间的兼容性得分，并根据得分对测试样本x_t进行预测，

其中S(f(x_t),W_j)表示样本测试样本x_t和类别j之间的兼容性得分，W_j表示第j类别的分类器参数。

2.根据权利要求1所述的一种基于非线性语义嵌入的零样本分类方法，其特征在于，步骤3)第(2)步所述的第j类别的分类器参数W_j为：

W_j＝g(a_j), (3)

其中a_j表示第j类的类别的语义描述，g(·)表示类别描述信息和分类器之间的映射函数；所述映射函数是线性模型或是非线性模型。