近日，我校电子工程学院（人工智能学院）国家精准农业航空施药技术国际联合研究中心兰玉彬教授团队在人工智能顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI，中科院一区，影响因子24.31）在线发表了题为“Explanatory Object Part Aggregation for Zero-Shot Learning”的研究论文（论文链接：https://ieeexplore.ieee.org/document/10287616）。本论文提出一种零样本识别方法（ZSL），旨在识别未在训练样本中出现过的不可见类目标。
传统的零样本识别方法大都专注于优化特征空间或生成不可见类的虚拟视觉特征，存在大量使视觉特征和语义属性不匹配的虚拟连接，降低了识别性能。本论文提出基于类激活特征构建可解释图的方法，全面挖掘细粒度的目标区域，提升深度网络预测结果。基于该方法下，聚合后的目标区域包含可全面激活语义属性的丰富视觉特征，可以在很大程度上减少虚拟连接的影响。同时该论文设计了一个新型特征蒸馏网络，将局部特征蒸馏到全局网络中，进一步识别精度。在AWA2、CUB、FLO和SUN数据集上的实验结果表明，该论文提出的方法在传统的ZSL和GZSL任务中均大幅度超越了现有技术。
可解释图构建和蒸馏网络示意图
自2021年来，陈欣课题组在兰玉彬教授的带领下，在人工智能领域开展了一系列的研究工作，取得突出成绩，成果相继发表在IEEE transactions on image processing（中科院一区，IF：10.6）,IEEE transactions on neural networks and learning systems（中科院一区，影响因子14.3）等顶级期刊上。
陈欣副教授为文章第一作者，邓小玲教授为文章通讯作者，兰玉彬教授为文章合作作者。该研究得到国家自然科学基金项目、高等学校学科创新引智计划、国家棉花产业技术体系项目、广东省重点研发计划、广东省自然科学基金和学校科研创新能力提质增效专项等资助。
文图/电子工程学院（人工智能学院）