基于生成流和无冗余特征的零样本学习方法

本发明涉及一种基于生成流和无冗余特征的零样本学习方法，其特征在于首先使用生成流生成零样本学习视觉特征，生成流能够有效地缓解特征混淆问题。然后利用互信息训练一个映射网络M学习无冗余特征，该映射网络从视觉特征中去除冗余信息，而不会丢失判别信息。并且相比于其他解纠缠模型，该映射网络结构简单，能够进一步减少了优化网络的时间。本发明的目的是提供一种基于生成流和无冗余特征的零样本学习方法，解决了现有大多数ZSL方法使用深度骨干网络，导致主干网络提取的特征与语义属性没有很好的相关性的问题。同时，进一步优化网络结构，使模型相对简单稳定，易于训练。