零样本图像分类主要解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题，近年来已逐渐成为机器学习领域的研究热点之一。利用可见类训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。《零样本图像分类》针对零样本图像分类问题从属性角度入手，基于深度学习及知识挖掘、属性自适应、属性扩展和相对属性4个方面进行展开，分别对应第3～6章、第7～8章、第9～11章和第12～13章，《零样本图像分类》共13章。此外，各章内容涉及相关领域基础知识的介绍，能够为不同层

本书全面介绍了图深度学习的理论基础、模型方法及实际应用。全书分为4篇，共15章。第1篇为基础理论，重点介绍图和深度学习的基础知识，包括图的关键概念和属性、各种基础的神经网络模型、训练深度学习模型的关键方法以及防止训练过程中过度拟合的实用技术；第2篇为模型方法，涵盖了从基本设置到高级设置的成熟的图深度学习方法，包括图嵌入、图过滤和池化操作、图对抗攻击和图对抗防御技术、可扩展性图神经网络的代表性技术以及图神经网络之外的众多图深度模型；第3篇为实际应用，重点介绍了具有代表性的实际应用，包括自然语言处理