通过少样本学习实现端到端生成式零样本学习
计算机视觉与模式识别
2021-02-09 v1
摘要
当代最先进的零样本学习（ZSL）方法训练生成网络以基于所提供的元数据合成样本。此后，分类器在这些合成数据上以监督方式训练。在本工作中，我们引入 Z2FSL，一种端到端生成式 ZSL 框架，其使用此类方法作为主干，并将其合成输出馈送至少样本学习（FSL）算法。两个模块联合训练。Z2FSL 用 FSL 算法解决 ZSL 问题，实际上将 ZSL 归约为 FSL。广泛类别的算法可集成于我们的框架中。我们的实验结果显示相较若干基线的一致改进。所提方法在标准基准上评估，在 ZSL 和广义 ZSL 任务中展现出最先进或具竞争力的性能。
引用
@article{arxiv.2102.04379,
title = {End-to-end Generative Zero-shot Learning via Few-shot Learning},
author = {Georgios Chochlakis and Efthymios Georgiou and Alexandros Potamianos},
journal= {arXiv preprint arXiv:2102.04379},
year = {2021}
}
备注
12 pages, 3 figures, 6 tables