《Zero-Shot Image Classification via Coupled Discriminative Dictionary Learning》LSMS-ICSEE2017。论文代码很大程度参考FDDL和SSE。

• AwA(https://cvml.ist.ac.at/AwA/)
• aP&Y(https://vision.cs.uiuc.edu/attributes/)

• Matlab==2015a

1. Download the feature mat from https://drive.google.com/drive/folders/1VzE84JJdnl45Iqh-KBPod0ZE5Zt5b7se, and then put it in ./
2. run main.m

1. 读取数据
2. 参数设置
3. 属性D1,z1初始化并进行第一轮小优化
4. 特征D2,z2初始化并进行第一轮小优化
5. 第二轮大优化
6. 测试

• main.m: 主函数
• count.m: 测试结果计数
• FDDL_INIC.m: 初始化系数z
• FDDL_INID.m: 初始化字典D
• FDDL_UpdateDi.m: 更新字典
• Initround1.m: 初始化并进行第一轮优化
• IPM_SC.m: 根据数据和字典计算出系数z
• Round1_Class_Energy.m: 第一轮内部每一类最小值计算
• Round1_FDL_Energy.m: 第一轮全部类最小值计算
• Round1_Gradient_Comp.m: 计算论文算法中的$\nabla Q$
• Round1_SpaCoef.m: 第一轮更新系数
• Round2.m: 第二轮大优化主函数
• Round2_Class_Energy.m: 第二轮内部每一类最小值计算
• Round2_FDL_Energy.m: 第二轮全部类最小值计算
• Round2_Gradient_Comp.m: 计算论文算法中的$\nabla Q$
• Round2_SpaCoef.m: 第二轮更新系数
• soft.m: 论文算法自带的soft函数

• Farhadi A, Endres I, Hoiem D, et al. Describing objects by their attributes[C]// Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009:1778-1785.
• Lampert C H, Nickisch H, Harmeling S. Attribute-Based Classification for Zero-Shot Visual Object Categorization[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2014, 36(3):453-65.
• Yang M, Zhang L, Feng X, et al. Fisher Discrimination Dictionary Learning for sparse representation[C]// International Conference on Computer Vision. IEEE, 2011:543-550.
• Zhang Z, Saligrama V. Zero-Shot Learning via Semantic Similarity Embedding[C]// IEEE International Conference on Computer Vision. IEEE, 2015:4166-4174.