一种结合元丢弃的小样本学习统一框架
计算机视觉与模式识别
2022-10-13 v1 人工智能
摘要
深度神经网络的常规训练通常需要大量带昂贵人工标注的数据。在本文中，我们利用元学习的思想来解释两类差异很大的小样本学习流派，即基于情景元学习的和基于预训练微调的小样本学习，并形成一个统一的元学习框架。为了提升我们框架的泛化能力，我们提出了一种简单而有效的策略，称为元丢弃（meta-dropout），其应用于从基类别泛化到新类别的可迁移知识上。所提策略能有效防止神经单元在元训练阶段过度共适应。在少样本目标检测与少样本图像分类数据集（即 Pascal VOC、MS COCO、CUB 和 mini-ImageNet）上的大量实验验证了我们方法的有效性。
引用
@article{arxiv.2210.06409,
title = {A Unified Framework with Meta-dropout for Few-shot Learning},
author = {Shaobo Lin and Xingyu Zeng and Rui Zhao},
journal= {arXiv preprint arXiv:2210.06409},
year = {2022}
}