带批量谱正则化与数据混合的集成模型用于含无标签数据的跨域少样本学习
计算机视觉与模式识别
2020-06-11 v2
摘要
本文针对跨域少样本学习（CD-FSL）挑战赛 Track 2 问题，提出带有批量谱正则化与数据混合机制的集成模型。我们利用多样的特征变换矩阵构建多分支集成框架，同时在各分支上部署批量谱特征正则化以提升模型的迁移能力。此外，我们提出一种数据混合方法以利用目标域中的无标签数据并增广稀疏支持集。我们所提模型在 CD-FSL 基准任务上展现出有效性能。
引用
@article{arxiv.2006.04323,
title = {Ensemble Model with Batch Spectral Regularization and Data Blending for Cross-Domain Few-Shot Learning with Unlabeled Data},
author = {Zhen Zhao and Bingyu Liu and Yuhong Guo and Jieping Ye},
journal= {arXiv preprint arXiv:2006.04323},
year = {2020}
}