【周记】003-20190916-201900923（隐含属性字典LAD可还原保持语义，不同变量交替优化）

报告内容

（泛读靠自觉，精读要深刻，进展需显著）

论文精读

论文1：（作者，题目，发表信息）

题目：Learning Discriminative Latent Attributes for Zero-Shot Classification

来源：ICCV2017-学习 判别性隐含属性进行零样本分类

问题动机：部分样本数据较少，学习与有标注样本之间的潜在联系，预测未知类别的样本

解决思路：学习属性字典，建立原有属性与潜在属性之间的关系式，使得差异最小；并根据重要程度设置不同权重；隐含属性不仅可以分类还能保证原有语义

方法亮点：对人类定义的属性进行组合，根据隐含属性字典学习潜在关系

主要结果：提升准确率并对语义进行了还原 

存在问题：怎么得到的概率值，找到代码和数据表示。

关于能否解决自己问题的思考：aP&Y、SUN-A数据集；图做的比较好，可以进行学习

论文2：（作者，题目，发表信息）

题目：Feature Generating Networks for Zero-Shot Learning

来源：CVPR2018

作者：马普所

问题动机：ZSL&GZSL

解决思路：建立F-CLSWGAN生成图像特征帮助训练，进行零样本学习

方法亮点：原来是生成图片，现在是生成特征；使用了xlsa数据；对GAN增加了CLS分类损失约束

主要结果：提升了精确度

存在问题：CLS有点突兀，W距离可以，其他的呢

关于能否解决自己问题的思考：可否使用CVAE和GAN结合，然后再增加分类约束？

 

 

研究进展

方法进展（反映思考深入程度）：

实验进展（反映Coding工作量）：