《表2 不同的零样本分类方法在数据集上的正确率比较》

  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

《基于语义对齐和重构的零样本学习算法》

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

经过在AwA和CUB的20 000次和30 000次的迭代训练和权重更新，本文得到了在数据集AwA和CUB上的ZSL实验结果，表2给出了本文方法与其它方法的比较结果。本文对比的零样本学习算法有直接属性预测（DAP)[4]、语义相似性嵌入零样本学习算法（SSE)[16]、联合嵌入零样本学习算法（SJE)[6]、一种简单的不可靠约束的零样本学习算法（ESZSL)[8]、合成分类器的零样本学习算法（SYNC)[17]、指数族的零样本学习算法（GFZSL)[18]、语义自编码器的零样本学习算法（SAE)[5]和深度嵌入约束的零样本学习算法（DEM)[10]。