零镜头学习旨在通过学习视觉语义嵌入空间来对看不见的图像类别进行分类。 在大多数情况下，传统方法采用分离的两步流水线，该流水线从预先训练的CNN模型中提取图像特征。 然后利用固定的图像特征来学习嵌入空间。 这导致缺乏针对零镜头学习任务的图像特征的特定结构语义信息。 在本文中，我们提出了一种端到端可训练的深度语义结构约束模型来解决此问题。 所提出的模型包含图像特征结构约束和语义嵌入结构约束，目的是学习保留结构的图像特征并赋予学习的嵌入空间以更强的泛化能力。 借助语义结构信息，该模型获得了更多的零散学
