《表2 不同方法在3个数据集上的分类准确率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于生成对抗网络的零样本图像分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

原始f-CLSWGAN模型直接利用语义信息进行判别，而在语义信息与图像特征之间存在着巨大的差异。本文FD-fGAN模型将这一语义信息通过2个全连接层嵌入到视觉特征空间，以减小语义信息与图像特征之间的巨大差异，从而使得分类准确率有所提升。本文所设计的FD-fGAN模型在AWA数据集上取得了68.6%的分类准确率，比f-CLSWGAN模型提高了0.4%；在CUB和SUN数据集上分别取得了57.7%与61.3%的分类准确率，比f-CLSWGAN模型提高了0.4%和0.5%。经过实验证明，本文通过改进判别网络设计出的FD-fGAN模型能够取得更高的分类准确率，表明利用图像特征作为判别条件是可行的。