Generalisierendes Zero-Shot-Lernen

In der Generalized Zero-Shot Learning (GZSL) wird die Kategorie-Menge in gesehene und ungesehene Klassen unterteilt. Der Trainingsprozess nutzt die visuellen Darstellungen der gesehenen Klassen sowie die semantischen Merkmale sowohl der gesehenen als auch der ungesehenen Klassen. Während der Testphase werden die visuellen Darstellungen beider Klassen gleichzeitig evaluiert. GZSL strebt an, die Erkennungsfähigkeit des Modells für ungesehene Kategorien zu verbessern, was den Anwendungsbereich traditioneller Maschinenlernmethoden erweitert und somit einen bedeutenden Forschungs- und Anwendungswert hat.