-
Bayesian-ZSL的MATLAB代码：贝叶斯零样本学习
资源介绍
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