少量样本分类模型的跨域评估：自然图像 vs 组织病理图像
计算机视觉与模式识别
2024-10-15 v1
摘要
本研究探讨了少量样本分类模型在不同领域（ Specifically 自然图像和组织病理图像）中的性能。我们首先在自然图像上训练多个少量样本分类模型，并评估其在组织病理图像上的性能。随后，我们在组织病理图像上训练相同的模型并进行比较。我们纳入四个组织病理数据集和一个自然图像数据集，并使用几种最先进的分类技术在 5-way 1-shot、5-way 5-shot 和 5-way 10-shot 场景中进行评估。我们的实验结果揭示了少量样本分类模型在不同图像领域之间可迁移性和泛化能力的见解。我们分析了这些模型在适应新领域方面的优势和局限性，并为优化其在跨域场景中的性能提供了建议。该研究推动了我们对少量学习在图像分类跨多个领域语境中的理解。
引用
@article{arxiv.2410.09176,
title = {Cross-Domain Evaluation of Few-Shot Classification Models: Natural Images vs. Histopathological Images},
author = {Ardhendu Sekhar and Aditya Bhattacharya and Vinayak Goyal and Vrinda Goel and Aditya Bhangale and Ravi Kant Gupta and Amit Sethi},
journal= {arXiv preprint arXiv:2410.09176},
year = {2024}
}