AI 詞彙表
人工智能完整詞典
200
類別
2,608
子類別
30,011
術語
術語
语义嵌入
在语义空间中类的密集向量表示，其中概念间的关系得以保留，使模型能够理解未见类别之间的相似性。
術語
基于属性的分类
通过一组可解释的语义属性来描述对象的方法，允许通过组合这些预定义属性来对新类别进行分类。
術語
已见类别
模型训练阶段使用的对象类别集合，这些类别有视觉样本可用于学习表示。
術語
未见类别
训练数据中不存在但模型在推理时必须仅使用语义描述或属性来识别的对象类别。
術語
视觉-语义映射
将图像视觉特征投影到包含类别文本描述的语义空间中的学习函数。
術語
兼容性函数
测量视觉表示与语义表示之间相似度的函数，用于为给定实例分配最可能的类别。
術語
广义零样本学习
零样本学习的扩展，模型需要同时分类已见和未见类别，会引入训练期间熟悉类别的分类偏差。
術語
转导式零样本学习
零样本学习的变体，模型在训练期间可以访问未见类别的测试数据（但无标签），从而实现更好的空间对齐。
術語
归纳式零样本学习
经典的ZSL方法，模型仅从已见类别中学习，必须完全泛化到未见类别，无需访问测试数据。
術語
跨模态迁移
在不同数据模态之间进行知识迁移，如从文本到图像，对于ZSL至关重要，其中文本描述指导视觉识别。
術語
语义空间
高维向量空间，其中概念和类别被表示，保留语义关系并允许基于概念相似性进行推理。
術語
标签嵌入
将类别标签转换为语义空间中连续向量的技术，使模型能够将分类输出处理为回归问题。
術語
特征投影
数学操作，将图像中提取的视觉特征转换以在公共空间中与类别的语义表示对齐。
術語
零样本领域自适应
结合ZSL和领域自适应，模型必须在与训练数据不同的目标领域中分类未见类别。
術語
分层零样本学习
利用类别层次结构的方法，通过使用概念间的父子关系来改进对未见类别的泛化。
術語
生成式零样本学习
使用生成模型合成未见类别的视觉特征的方法，将ZSL转化为传统的监督分类问题。
🔍