论文阅读笔记：Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer

摘要： 本文主要研究训练和测试类别不相交时（即没有目标类别的训练示例）的对象分类问题。在此之前并没有对于毫无关联的训练集和测试集进行对象检测的工作，只是对训练集所包含的样本进行分类。实验表明，通过使用属性层，确实可以构建不需要目标类的任何训练图像的学习对象检测系统。 算法流程： 假设： 为训练样本和相应类别标签的成对数据，数量为，总共有个类别，用表示。 目的： 学习一个分类器:，其中给测试分为类。

>>阅读原文<<