广义零样本学习开题报告

1. 研究目的与意义

模式识别作为人工智能的一个重要代表，目前已广泛应用于社会生活当中，如智能语音、自然语言处理、零样本学习和图像识别等。

而零样本学习作为模式识别的一个特殊分支，通过利用现有的大型数据库，如imagenet、coco、open images、svhn、cifar-10、fashionmnist、mnist、awa、cub、sun、apay、imagenet2等，并结合其相关语义资料，可解决数据集不足，人工收集困难等问题。

从larochelle提出零样本学习，到lampert构建基本零样本学习框架，各类不同结构的零样本学习模型不断涌现，将零样本学习带入一个新的发展时期。

2. 国内外研究现状分析

早期零样本学习基于语义属性分类进行研究。

将属性空间作为中间层，对物体的图片进行描述，再根据这些描述在语义字典中查询该物体的种类。

2009年lampert首次提出基于物体属性的图像分类方法。

3. 研究的基本内容与计划

研究内容：（1）理解零样本学习、迁移学习，unet网络的理论（2）基于unet网络思想，结合零样本学习，构造新的生成模型wnet网络。

（3）在构造的wnet网络上，利用多组数据集awa，cub等生成新数据集，并结合在零样本学习中。

研究计划：（1）大量阅读关于零样本学习、迁移学习的文献，理解unet网络原理。

4. 研究创新点

1.根据unet网络的原理，构造wnet网络，拓展数据集awa，cub等。

为零样本学习提供数据支持。

2.利用生成的数据集结合零样本学习，将无监督学习转变为监督学习。