EASY：集成增强样本Y形学习——以简洁要素实现最先进的小样本分类
机器学习
2022-02-08 v2 人工智能
神经与进化计算
图像与视频处理
摘要
小样本学习旨在利用一个或多个深度学习模型学到的知识，在每类仅有少量标注样本的新问题上获得良好的分类性能。近年来该领域涌现了大量工作，引入了包含众多要素的方法。然而，一个常见问题是使用次优训练的模型来提取知识，这引发了对所提方法相比使用更好的初始模型而不引入这些要素是否真正带来增益的质疑。在本工作中，我们提出了一种简单的方法论，该方法在多个该领域的标准化基准测试上达到甚至超越了最先进的性能，同时相比在通用数据集上训练初始深度学习模型所使用的超参数或参数，几乎未增加任何额外项。该方法论为提出（并公平比较）新技术或改进现有技术提供了一个新的基线。
引用
@article{arxiv.2201.09699,
title = {EASY: Ensemble Augmented-Shot Y-shaped Learning: State-Of-The-Art Few-Shot Classification with Simple Ingredients},
author = {Yassir Bendou and Yuqing Hu and Raphael Lafargue and Giulia Lioi and Bastien Pasdeloup and Stéphane Pateux and Vincent Gripon},
journal= {arXiv preprint arXiv:2201.09699},
year = {2022}
}