零样本学习是在可见类别图像与不可见类别图像没有交集条件下,通过学习可见类别图像信息,旨在将可见类别语义知识迁移到不可见类别,并完成对不可见类别图像进行识别的一种任务。为了建立可见类别图像与不可见类别图像的关联,需要借助类别的语义描述（例如文本描述或类别的属性信息）作为语义辅助信息。经典零样本学习方法是基于学习共享特征子空间的嵌入方法。近些年随着深度生成模型的快速发展,如何将深度生成模型应用到零样本学习并提高视觉样本的生成质量成为了零样本学习研究的热点问题,本文对基于深度生成模型的零样本学习做了系统的研究,主要包含以下研究:一、为了缓解语义信息到图像视觉特征映射的单一性,增强语义信息到视觉特征和视觉特征到语义信息双向映射的关联性,本文提出了一种基于Wassertein自动编码器生成模型的零样本学习方法（A Generative Model for Zero-Shot Learning via Wasserstein Auto-encoder,GWAE）,GWAE模型将以下三种模块提供了框架:特征生成器模块、语义回归器模块、鉴别器模块。特征生成器模块负责语义→视觉映射,语义回归器模块负责视觉→语义映射,以及鉴别器模块负责评估真实图像特征和生成图像特征的真假。特征生成器和语义回归器形成对偶学习,可以保证视觉特征与语义特征的双向映射,有效缓解了视觉特征与语义信息域适应的问题。通过在四个标准数据集CUB,FLO,SUN,AWA2进行的大量实验,实验证明了GWAE模型的有效性。二、主流的研究工作聚焦于单一的语义信息（词向量或属性特征）作为辅助信息,本文认为词向量是属性特征的补充,词向量和属性特征两种语义信息对应着类别的两种视图,本文提出了一种多视图深度生成融合网络（Multi-view Deep Generative Fusion Network,GDFN）的零样本学习方法。GDFN模型使用属性特征和词向量通过生成模型为不可见类别图像合成视觉特征,并通过回归网络将视觉特征与语义特征进行匹配。GDFN模型采用词向量和属性特征两种视图的语义信息作为辅助信息,有效地弥补了语义空间的单一性。在四个标准数据上实验表明GDFN模型可以取得更好的分类效果。三、为了保证生成样本与真实样本及其语义信息具有高度的相关性,本文提出了一种原型对比网络（Contrastive Prototype Network,CPNet）,原型网络学习类别的元表示,它抽象化每个类别中最具有语义信息的样本,生成网络通过添加语义特征和噪声来合成视觉特征,回归网络则将视觉特征映射到语义特征。通过对比元表示与质心的相似性,可以使CPNet模型更可靠的识别目标图像,而且还可以使CPNet模型训练更加稳定。在四个标准数据上进行的实验表明了CPNet模型的优越性。