软件学报

作者：冯耀功，于剑，桑基韬，杨朋波

单位：冯耀功，北京交通大学 计算机与信息技术学院, 北京 100044;北京交通大学 人工智能研究院, 北京 10004411,于剑，北京交通大学 计算机与信息技术学院, 北京 100044;北京交通大学 人工智能研究院, 北京 10004402,桑基韬，北京交通大学 计算机与信息技术学院, 北京 100044;北京交通大学 人工智能研究院, 北京 10004403,杨朋波，北京交通大学 计算机与信息技术学院, 北京 100044;北京交通大学 人工智能研究院, 北京 10004404

关键词：零样本学习;初级知识;抽象知识;外部知识;图像分类

基金：国家重点研发计划（2017YFC1703506）；国家自然科学基金（61632004，61832002，61672518）；中央高校基本科研业务费专项资金（2020YJS030，2018JBZ006，2019JBZ110）

零样本学习旨在通过运用已学到的已知类知识去认知未知类.近年来，“数据+知识驱动”已经成为当下的新潮流，而在计算机视觉领域内的零样本任务中，“知识”本身却缺乏统一明确的定义.针对这种情况，尝试从知识的角度出发，梳理了本领域内“知识”这一概念所覆盖的范畴，共划分为初级知识、抽象知识以及外部知识.基于前面对知识的定义和划分，梳理了当前的零样本学习（主要是图像分类任务的模型）工作，分为基于初级知识的零样本模型、基于抽象知识的零样本模型以及引入外部知识的零样本模型.还对领域内存在的域偏移和枢纽点问题进行了阐述，并基于问题对现有工作进行了总结归纳.最后总结了目前常用的图像分类任务的数据集和知识库、图像分类实验评估标准以及代表性的模型实验结果，并对未来的工作进行了展望.

来源：2021年第2期

《软件学报》期刊编辑部

查看软件学报杂志2021年第2期