博士生李高洁关于零样本图像分类的论文，被IEEE Transactions on Multimedia接收。

 现有的基于零样本学习的图像分类方法基于生成对抗网络来综合不可见类的视觉特征，将零样本学习转化为监督学习。然而，由于生成器生成的视觉特征往往倾向于可见的类，而且鉴别器能力较弱，因此无法生成高质量的图像特征。为了解决这些问题，本文提出了一种基于低维视觉特征嵌入的零样本食物图像分类方法。该方法应用强化语义引导，通过增强输入特征的强分布来提高模型的辨别能力。此外，利用视觉空间作为嵌入空间，通过减少嵌入空间中语义信息与视觉特征之间的距离，来减少对可见类的偏差。最后，通过改进原型相似度函数，进一步确定了看不见类的特征分布。在基准数据集上进行的大量实验证明了该方法的有效性。