重新审视小样本分类
机器学习
2023-06-02 v4 计算机视觉与模式识别
摘要
小样本分类包含一个训练阶段（在相对较大的数据集上学习模型）和一个适配阶段（将学习到的模型适配到具有有限标注样本的先前未见任务）。在本文中，我们经验性地证明训练算法与适配算法可以完全解耦，从而允许对每个阶段单独进行算法分析与设计。我们对每个阶段的元分析揭示了若干有趣的见解，可能有助于更好地理解小样本分类的关键方面及其与视觉表示学习和迁移学习等其他领域的联系。我们希望本文揭示的见解与研究挑战能启发相关方向上的未来工作。代码与预训练模型（PyTorch 版）可在 https://github.com/Frankluox/CloserLookAgainFewShot 获取。
引用
@article{arxiv.2301.12246,
title = {A Closer Look at Few-shot Classification Again},
author = {Xu Luo and Hao Wu and Ji Zhang and Lianli Gao and Jing Xu and Jingkuan Song},
journal= {arXiv preprint arXiv:2301.12246},
year = {2023}
}
备注
Accepted at ICML 2023