模式識別是資訊科學和人工智慧的重要組成部分，主要應用於影象分析與處理、語音識別、聲音分類、通訊、計算機輔助診斷、資料探勘等學科。研究模式識別的主要目的是對樣本（如影象）進行分類。零樣本影象分類作為多門學科有機交叉的新穎研究方向，不僅是模式識別領域的重要問題，而且近年來逐漸成為機器學習乃至人工智慧領域的研究熱點之一。
在影象分類的實際應用中，從海量影象資料中選擇有標籤的影象類往往需要大量的時間與精力，而無標記樣本的獲取隨著資料收集和儲存技術的發展變得越來越容易。現實中還存在一種更難解決的問題，即存在大量物件類時，很難為所有物件類都標註一些訓練樣本，此時就導致每個類未必都有訓練樣本。
針對上述問題，Larochelle 等在 2008 年提出零樣本影象分類概念，也稱零樣本學習（zero-shot learning），主要用於解決在標記訓練樣本不足以涵蓋所有物件類的情況下，如何對未知新模式進行正確分類的問題。在零樣本影象分類中，由於訓練類不足以涵蓋所有物件類導致訓練樣本和測試樣本分佈不同，傳統監督方法設計的分類器如果直接應用到零樣本影象分類中會出現難理解和泛化性差等問題。
零樣本影象分類的關鍵在於如何克服訓練樣本影象和測試樣本影象分佈不同的困難，即在已知訓練類和未知測試類之間搭建一個知識共享的橋樑。本書正是以屬性知識表示作為橋樑，利用計算機學習具有語義的物件資訊，進而展開零樣本影象分類研究。
基於RA-SF的零樣本影象分類結構圖
本書是作者在國內外本領域權威期刊上發表的十餘篇學術論文的基礎上進一步加工、深化而成的，是對已有研究成果的全面總結。本書主要圍繞基於深度學習及知識挖掘、屬性自適應、屬性擴充套件和相對屬性 4 個方面闡述零樣本影象分類，共 4 部分 13 章。
第一部分為基於深度學習及知識挖掘的零樣本影象分類
，內容為第 3～6 章，包括：基於關聯機率的間接屬性加權預測模型，基於深度特徵提取、基於深度加權屬性預測和基於類別與屬性相關先驗知識挖掘的零樣本影象分類。
第二部分為基於屬性自適應的零樣本影象分類
，內容為第 7 章和第 8 章，包括：基於自適應多核校驗學習和基於深度特徵遷移的多源域屬性自適應。
第三部分為基於屬性擴充套件的零樣本影象分類
，內容為第 9～11 章，包括：基於混合屬性的直接屬性預測模型、基於關係非語義屬性擴充套件的自適應零樣本影象分類和基於多工擴充套件屬性組的零樣本影象分類。
第四部分為基於相對屬性的零樣本影象分類
，內容為第 12 章和第 13 章，包括：基於共享特徵相對屬性的零樣本影象分類和基於相對屬性的隨機森林零樣本影象分類。作者願將這些研究成果與國內外同行一起分享，以推動該領域的進一步研究與發展。
作者簡介
王雪松
，1974年生，博士，教授，地下空間智慧控制教育部工程研究中心主任，徐州市人工智慧與大資料重點實驗室主任，教育部“新世紀優秀人才支援計劃”入選者，江蘇省333高層次人才培養工程（第二層次）培養物件，孫越崎青年科技獎獲得者，江蘇省自動化學會理事。主要從事機器學習與模式識別方面的研究，主持國家自然科學基金專案4項；以第一完成人身份，獲教育部自然科學二等獎2項、中國電子學會電子資訊科學技術獎三等獎1項；擔任IEEE TNNLS、IEEE TSMCA、IJMLC、自動化學報、電子學報等期刊的編委。
張通
，1986年生，博士，教授，廣東省計算智慧與網路空間資訊重點實驗室副主任，第十屆“吳文俊人工智慧優秀青年獎”獲得者。擔任中國自動化學會青年工作委員會副秘書長、中國醫學救援協會神經生物反饋治療與干預分會副秘書長。主要從事小樣本學習和情感計算方面的研究，主持國家自然科學基金青年、面上專案和重點專案課題4項，科技部“變革性技術關鍵科學問題”重點專項子課題1項，廣東省自然科學基金委傑出青年基金1項；獲廣東省科技進步一等獎、IEEE SMC學會Franklin V。 Taylor最佳論文獎。
程玉虎
，1973年生，博士，教授，教育部“新世紀優秀人才支援計劃”入選者。主要從事機器學習和智慧系統方面的研究，主持國家自然科學基金面上專案3項；獲省部級科技獎勵4項；授權發明專利10件；在Springer出版社出版英文專著1部，在科學出版社出版專著5部；在IEEE TCYB、IEEE TNNLS、IEEE TSMCA、IEEE TKDE、IEEE TCDS、自動化學報、控制與決策等期刊上發表論文百餘篇。
正文搶先看
零樣本影象分類
王雪松，張通，程玉虎 著
北京：科學出版社
ISBN 978-7-03-068129-4
零樣本影象分類主要解決在標記訓練樣本不足以涵蓋所有物件類的情況下，如何對未知新模式進行正確分類的問題，近年來已逐漸成為機器學習領域的研究熱點之一。
利用可見類訓練樣本學習到的分類器對新出現的物件類進行分類識別是非常困難的學習任務。本書針對零樣本影象分類問題從屬性角度入手，基於深度學習及知識挖掘、屬性自適應、屬性擴充套件和相對屬性4 個方面進行展開，分別對應第3～6 章、第7～8 章、第9～11 章和第12～13章，全書共13 章。此外，各章內容涉及相關領域基礎知識的介紹，能夠為不同層次的讀者與研究人員提供入門知識與參考資訊。
