|
/attribute analysis/ 条目作者李玺 李玺学习图像、视频的中间层视觉属性的过程、方法和技术。属性分析是目标检测、图像检索、对象描述、视频监控、人脸验证、迁移学习和零样本学习中的一种重要手段和技术。其目的是学习目标的中间层视觉信息，将图像的低层特征和目标对象及其属性标签分别关联，分批训练属性的映射关系，将最后得到的高层语义嵌入到属性学习检测模型中。这样的中间层属性包括描述性属性和鉴别性属性。描述性属性例如“有腿”“戴眼镜”“黑头发”等。鉴别性属性例如“猫有胡子而狗没有”，“汽车有四个轮子而自行车只有两个轮子”。此外，属性分析还包括对某些属性进行比较，如“很红”“非常红”等。
深度学习主要是仿照人眼的视觉特征，完成从图像到分类（拟合）的一次性过渡，如CNN等方法。属性特征主要和人类可表达的认知有关，例如对人脸来说，“男人”、“亚洲的”、“有胡子”、“戴帽子”、“很胖”等关键词。这可以使得图像搜索问题转化为文本检索问题。在图像分类领域，可以通过属性特征的学习和嵌入实现迁移学习。例如，一个通过学习有几条腿、生活在海洋还是陆地来分类斑马和海豚的分类器可以通过引入额外知识来分类海豚和猪的分类，并可以进行零样本学习，界定和描述原先没有进行训练的类别。 属性分析通常需要事先定义好一些属性，只能按照定义好的属性去学习。此外，现有手段也面临着属性不足问题。因为对每个类而言，简单的属性不足以去定义它，总是存在更为精细的属性来描述这个类，这在零样本学习中有时会存在问题。相关属性之间的相互干扰有时也会影响属性分析在分类和检索等领域中的应用。因为人们通常用二值化的属性来对目标进行描述，相关属性之间会存在干扰。 |
|
|
