班级归一化应用于连续零射击学习场景下的class-norm策略

关于 此存储库包含来自ICLR 2021的的代码： 重现ZSL和CZSL结果的代码 拟议的CZSL指标（位于src/utils/metrics.py ） AUSUC指标的快速python实现 在此项目中，我们探索了ZSL中使用的不同归一化策略，并提出了一种适用于深度属性嵌入器的新方法（类归一化）。 这使我们能够在30秒内训练一个简单的3层MLP，从而胜过现有的ZSL模型。 此外，我们将ZSL的思想扩展到了更为笼统的设置：持续零射击学习，为其提出了一套度量标准，并测试了多个基准。 安装与培训 资料准备 对于ZSL 对于ZSL，我们在标准GBU数据集上测试了我们的方法，您可以从下载数据集。 按照我们的复制结果最简单。 对于CZSL 对于CZSL，我们在SUN和CUB数据集上测试了我们的方法。 与ZSL相反，在CZSL中，我们使用原始图像作为输入，而不是ImageNet预训练模型的功能