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)