【文件属性】:
文件名称:ppd的matlab代码-Bayesian-ZSL:贝叶斯-ZSL
文件大小:9.24MB
文件格式:ZIP
更新时间:2024-07-03 01:45:20
系统开源
ppd的matlab代码贝叶斯零样本学习
我们的“贝叶斯零样本学习”论文的
Matlab
实现。
接受ECCV
2020,TASK-CV
研讨会。
作者:
Sarkhan
Badirli、Zeynep
Akata
和
Murat
Dundar
论文地址:
简要总结
我们提出了一个基于直觉的分层贝叶斯模型,即实际类源自它们相应的局部先验,每个先验都由它自己的元类定义。
我们推导了两层高斯混合模型的后验预测分布
(PPD),以有效地将局部和全局先验与数据似然混合。
这些
PPD
用于实现最大似然分类器,该分类器通过自己的
PPD
表示可见类,通过元类
PPD
表示不可见类。
在具有不同粒度和大小的七个数据集上,特别是在大规模
ImageNet
数据集上,我们表明所提出的模型与
GZSL
设置中现有的归纳技术相比具有很强的竞争力。
先决条件
代码在
Matlab
中实现。
任何高于
2016
的版本都可以运行代码。
数据
您可以从
下载论文中使用的数据集。
在您的主project
path创建一个data文件夹,并将数据放在此文件夹下。
实验
要从论文中重现结果,请打开Demo.m脚本并指定
【文件预览】:
Bayesian-ZSL-master
----load_tuned_params.m(1KB)
----calculate_priors.m(2KB)
----split_data.m(621B)
----check_for_tie.m(477B)
----Demo.m(5KB)
----unconstrained_tuning.m(6KB)
----README.md(2KB)
----tuning_split.m(1006B)
----constrained_tuning.m(7KB)
----hyperparameter_tuning.m(6KB)
----Process_final.png(9.8MB)
----constrained_predicting.m(1KB)
----unconstrained_predicting.m(1KB)
----Bayesian_ZSL.m(6KB)
----hyperparameter_setting.m(2KB)