本研究提出了GraphVL模型，结合图卷积网络和CLIP文本编码器，旨在解决广义类别发现中的特征转移问题。GraphVL有效提升了对未知类别的分类能力，并在多个基准数据集上表现出显著优势。

本文介绍了多种基于卷积神经网络（CNN）的图像处理技术，如可调池化、图像检索方法及特征转移。这些技术通过改进池化操作和特征提取，显著提高了图像分类和检索的准确性与效率，尤其在几何变换和物品构成处理方面表现优异。实验结果表明，这些方法在多个基准数据集上优于传统方法。