VIPriors数据高效图像分类挑战赛的强基线
计算机视觉与模式识别
2021-09-29 v1
摘要
从有限数据中学习是智能的标志，需要强大的泛化与抽象能力。在机器学习背景下，数据高效方法具有极高的实用重要性，因为许多领域中的数据采集与标注成本高昂。因此，近期出现了旨在推动该领域进展的协同努力，例如以专门研讨会和竞赛的形式。除通用基准外，衡量进展还需要强基线。我们提出了VIPriors挑战赛数据集上数据高效图像分类的这样一个强基线，该数据集是ImageNet-1k的每类100张图像的子采样版本。我们未使用任何专为数据高效分类定制的方法，而仅采用标准模型与技术、常见竞赛技巧以及细致的超参数调优。我们的基线在VIPriors图像分类数据集上达到69.7%准确率，并优于VIPriors 2021挑战赛50%的提交方案。
引用
@article{arxiv.2109.13561,
title = {A Strong Baseline for the VIPriors Data-Efficient Image Classification Challenge},
author = {Björn Barz and Lorenzo Brigato and Luca Iocchi and Joachim Denzler},
journal= {arXiv preprint arXiv:2109.13561},
year = {2021}
}