Semantic Constraint Based Target Object Recognition

با توجه به مشکلات فوق، ما یک روش تشخیص شیء مبتنی بر محدودیت معنایی را پیشنهاد کردیم. از یک طرف، مدل یادگیری انتقال مبتنی بر نمونه می تواند از موارد یادگیری از دسته های دیگر برای حفظ دقت شناخت واقع بینانه استفاده کند. از سوی دیگر، محدودیت معنایی بین مناطق مختلف شبیه سازی شده به عنوان انتروپی مشترک برای تشخیص هدف هدف با دقت بیشتری استفاده می شود. در نهایت، آزمایش های کافی با استفاده از تعداد زیادی از تصاویر نشان می دهد که مدل ما نه تنها می تواند تعدادی از نمونه های یادگیری را کاهش دهد، بلکه می تواند به رسمیت شناختن واقع بینانه دست یابد.