| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 迁移学习和零样本学习 | 第10-13页 |
| 1.2.1 迁移学习 | 第10-11页 |
| 1.2.2 零样本学习 | 第11-13页 |
| 1.3 零样本学习国内外研究现状 | 第13-16页 |
| 1.4 本文余下章节安排 | 第16-17页 |
| 第二章 相关方法介绍及描述 | 第17-28页 |
| 2.1 零样本分类特征提取算法 | 第17-22页 |
| 2.1.1 属性特征 | 第17-18页 |
| 2.1.2 词向量特征 | 第18-19页 |
| 2.1.3 卷积神经网络特征提取 | 第19-21页 |
| 2.1.4 Softmax分类模型 | 第21-22页 |
| 2.2 基于属性特征的零样本分类算法 | 第22-24页 |
| 2.2.1 属性介绍 | 第22页 |
| 2.2.2 基于属性分类模型 | 第22-24页 |
| 2.3 基于词向量特征的零样本分类算法 | 第24-27页 |
| 2.3.1 零样本分类中的词向量 | 第24-25页 |
| 2.3.2 基于词向量分类模型 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于深度公共空间的零样本学习 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 基于深度公共空间的零样本分类模型 | 第28-33页 |
| 3.2.1 系统结构模型 | 第28-29页 |
| 3.2.2 视觉特征提取训练 | 第29-30页 |
| 3.2.3 语义特征提取训练 | 第30页 |
| 3.2.4 模态特征映射全连接层训练 | 第30-33页 |
| 3.3 深度公共空间嵌入算法零样本分类流程 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-38页 |
| 3.4.1 AwA动物图像库实验结果与分析 | 第34-35页 |
| 3.4.2 CUB鸟类图像库实验结果与分析 | 第35-36页 |
| 3.4.3 A-Pascal/A-Yahoo数据库实验结果与分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于结构化深度公共空间的零样本学习 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 基于结构化零样本分类模型 | 第39-42页 |
| 4.2.1 结构化学习模型 | 第39-40页 |
| 4.2.2 零样本分类输入输出空间连接 | 第40-41页 |
| 4.2.3 结构化嵌入零样本分类模型参数学习 | 第41-42页 |
| 4.3 基于结构化深度公共空间零样本分类模型 | 第42-44页 |
| 4.4 结构化深度公共空间嵌入算法零样本分类流程 | 第44-46页 |
| 4.5 实验结果与分析 | 第46-50页 |
| 4.5.1 AwA动物图像库实验结果与分析 | 第46-47页 |
| 4.5.2 CUB鸟类图像库实验结果与分析 | 第47-49页 |
| 4.5.3 A-Pascal/A-Yahoo数据库实验结果与分析 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于双向公共空间嵌入的零样本学习 | 第51-61页 |
| 5.1 引言 | 第51-52页 |
| 5.2 基于双向公共空间嵌入的零样本学习算法模型 | 第52-56页 |
| 5.2.1 自底向上公共空间嵌入学习 | 第52-54页 |
| 5.2.2 自顶向下公共空间嵌入学习 | 第54-56页 |
| 5.3 实验结果与分析 | 第56-60页 |
| 5.3.1 AwA动物图像库实验结果与分析 | 第57-58页 |
| 5.3.2 CUB鸟类图像库实验结果与分析 | 第58-59页 |
| 5.3.3 A-Pascal/A-Yahoo数据库实验结果与分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 进一步工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |
