一种用于零样本学习的语义属性集生成方法

本发明公开了一种用于零样本学习的语义属性集生成方法，通过教师模型与学生模型的多阶段协同训练，提升了生成属性集的准确性和一致性。教师模型基于条件生成对抗网络，利用专家构建的属性集生成高质量图像I1，学生模型基于注意力机制和视觉Transformer模型从原始图像中提取关键特征，生成初步语义属性集与对应图像I2。以教师模型生成图像I1作为基准，将I2与I1进行特征对比，得到两者之间的特征差异，将特征差异作为指导信号，反向优化语义属性集A2同时优化I2。最终，学生模型生成与专家构造属性集A1一致的语义属性集Af。本发明的创新之处在于，在无专家属性集场景下，本发明可生成高质量的语义属性集，填补部分类别专家属性集空缺导致零样本学习不适用的问题，扩大零样本学习方法的应用范围。