零镜头学习使用语义属性来连接看不见的对象的搜索空间。 近年来，尽管深度卷积网络为ZSL任务带来了强大的视觉建模功能，但其视觉特征具有严重的模式惯性和缺乏语义关系表示的能力，从而导致严重的偏见和歧义。 针对这种情况，我们提出了一种基于图的视觉语义纠缠网络，对视觉特征进行图建模，并通过知识图将其映射到语义属性上，它包含以下几种新颖的设计：1.建立多路径 卷积神经网络（CNN）和图卷积网络（GCN）纠缠的网络，将CNN的视觉特征输入到GCN以对隐式语义关系建模，然后GCN将图建模信息反馈给CNN特征； 2．以属性词向量为目标的GCN图形语义建模，形成图形的自洽回归，并监督GCN学习更多的个性化属性关系； 2。 3.它融合并补充了通过图形建模改进的层次化视觉语义特征，使其成为视觉嵌入。 通过促进视觉特征的语义链接建模，我们的方法在多个代表性的ZSL数据集（AwA2，CUB和SUN）上的表现优于最新方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除