模式识别是信息科学和人工智能的重要组成部分，主要应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等学科。研究模式识别的主要目的是对样本（如图像）进行分类。零样本图像分类作为多门学科有机交叉的新颖研究方向，不仅是模式识别领域的重要问题，而且近年来逐渐成为机器学习乃至人工智能领域的研究热点之一。
在图像分类的实际应用中，从海量图像数据中选择有标签的图像类往往需要大量的时间与精力，而无标记样本的获取随着数据收集和存储技术的发展变得越来越容易。现实中还存在一种更难解决的问题，即存在大量对象类时，很难为所有对象类都标注一些训练样本，此时就导致每个类未必都有训练样本。
针对上述问题，Larochelle 等在 2008 年提出零样本图像分类概念，也称零样本学习（zero-shot learning），主要用于解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题。在零样本图像分类中，由于训练类不足以涵盖所有对象类导致训练样本和测试样本分布不同，传统监督方法设计的分类器如果直接应用到零样本图像分类中会出现难理解和泛化性差等问题。零样本图像分类的关键在于如何克服训练样本图像和测试样本图像分布不同的困难，即在已知训练类和未知测试类之间搭建一个知识共享的桥梁。本书正是以属性知识表示作为桥梁，利用计算机学习具有语义的对象信息，进而展开零样本图像分类研究。
《零样本图像分类》作者长期从事零样本图像分类的研究工作，在国家自然科学基金项目（项目编号：61772532，61976215）的资助下，提出一系列提高零样本图像分类效果的方法，并将其应用于许多实际问题中。作者所做的这些工作极大地丰富了零样本图像分类相关理论，提高了零样本图像分类方法解决实际问题的能力，也为零样本图像分类方法在其他领域的进一步应用奠定了技术基础，具有重要的理论意义和实际应用价值。
基于RA-SF的零样本图像分类结构图
本书是作者在国内外本领域权威期刊上发表的十余篇学术论文的基础上进一步加工、深化而成的，是对已有研究成果的全面总结。本书主要围绕基于深度学习及知识挖掘、属性自适应、属性扩展和相对属性 4 个方面阐述零样本图像分类，共 4 部分 13 章。
第一部分为基于深度学习及知识挖掘的零样本图像分类，内容为第 3～6 章，包括：基于关联概率的间接属性加权预测模型，基于深度特征提取、基于深度加权属性预测和基于类别与属性相关先验知识挖掘的零样本图像分类。
第二部分为基于属性自适应的零样本图像分类，内容为第 7 章和第 8 章，包括：基于自适应多核校验学习和基于深度特征迁移的多源域属性自适应。
第三部分为基于属性扩展的零样本图像分类，内容为第 9～11 章，包括：基于混合属性的直接属性预测模型、基于关系非语义属性扩展的自适应零样本图像分类和基于多任务扩展属性组的零样本图像分类。
第四部分为基于相对属性的零样本图像分类，内容为第 12 章和第 13 章，包括：基于共享特征相对属性的零样本图像分类和基于相对属性的随机森林零样本图像分类。作者愿将这些研究成果与国内外同行一起分享，以推动该领域的进一步研究与发展。
作者简介
王雪松，1974年生，博士，教授，地下空间智能控制教育部工程研究中心主任，徐州市人工智能与大数据重点实验室主任，教育部“新世纪优秀人才支持计划”入选者，江苏省333高层次人才培养工程（第二层次）培养对象，孙越崎青年科技奖获得者，江苏省自动化学会理事。主要从事机器学习与模式识别方面的研究，主持国家自然科学基金项目4项；以第一完成人身份，获教育部自然科学二等奖2项、中国电子学会电子信息科学技术奖三等奖1项；担任IEEE TNNLS、IEEE TSMCA、IJMLC、自动化学报、电子学报等期刊的编委。
张通，1986年生，博士，教授，广东省计算智能与网络空间信息重点实验室副主任，第十届“吴文俊人工智能优秀青年奖”获得者。担任中国自动化学会青年工作委员会副秘书长、中国医学救援协会神经生物反馈治疗与干预分会副秘书长。主要从事小样本学习和情感计算方面的研究，主持国家自然科学基金青年、面上项目和重点项目课题4项，科技部“变革性技术关键科学问题”重点专项子课题1项，广东省自然科学基金委杰出青年基金1项；获广东省科技进步一等奖、IEEE SMC学会Franklin V. Taylor最佳论文奖。
程玉虎，1973年生，博士，教授，教育部“新世纪优秀人才支持计划”入选者。主要从事机器学习和智能系统方面的研究，主持国家自然科学基金面上项目3项；获省部级科技奖励4项；授权发明专利10件；在Springer出版社出版英文专著1部，在科学出版社出版专著5部；在IEEE TCYB、IEEE TNNLS、IEEE TSMCA、IEEE TKDE、IEEE TCDS、自动化学报、控制与决策等期刊上发表论文百余篇。
正文抢先看
零样本图像分类
王雪松，张通，程玉虎 著
北京：科学出版社
责任编辑：惠雪
零样本图像分类主要解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题，近年来已逐渐成为机器学习领域的研究热点之一。
利用可见类训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。本书针对零样本图像分类问题从属性角度入手，基于深度学习及知识挖掘、属性自适应、属性扩展和相对属性4 个方面进行展开，分别对应第3～6 章、第7～8 章、第9～11 章和第12～13章，全书共13 章。此外，各章内容涉及相关领域基础知识的介绍，能够为不同层次的读者与研究人员提供入门知识与参考信息。
（本期编辑：王芳）
一起阅读科学!
科学出版社│微信ID：sciencepress-cspm
专业品质 学术价值
原创好读 科学品味
科学出版社视频号
硬核有料 视听科学