零样本图像分类研究进展

零样本图像分类研究进展

摘要

零样本图像分类是指在训练集与测试集所涵盖的类别之间不存在重叠的情况下开展图像识别任务，该技术作为应对类别标签缺失问题的有效策略，自提出以来便逐渐引起了学术界的广泛关注。截至目前，零样本图像分类领域的研究已有大约十年的历史。本文对过去十年间关于零样本图像分类技术的发展历程进行了系统性梳理与总结，主要涵盖以下四个方面的内容：首先阐述零样本图像分类技术的研究价值及其在实际应用中的重要性；随后对零样本图像分类的发展脉络和当前研究状况进行重新归纳与总结；接着介绍常用的数据集评估标准；再分析其与零样本学习技术之间的异同关系；最后探讨当前仍需深入探索的关键问题，并对未来的研究方向作出展望。

• 零样本图像分类的研究意义及其应用价值。
• 零样本图像分类的发展过程和研究现状
• 数据集合评价准则
• 零样本技术相关的区别和联系
• 研究的热点和难点问题
• 未来发展进行了展望

意义

零样本分类（zero-classification ZSC），又被称为零样本学习，其核心在于利用一些可见类别的数据，并结合相关的常识信息或先验知识（通常称为辅助信息 side information），对某种学习模型进行训练，从而实现对未见类别（即数据标注完全缺失的类别）的识别与分类。在该分类任务中，训练集与测试集所涵盖的类