通过从激活预测参数进行小样本图像识别
计算机视觉与模式识别
2017-11-28 v3
摘要
本文关注小样本学习问题。特别地，我们聚焦于一个具有挑战性的场景，其中类别数量很大且每个新类别的样本数量非常有限，例如1、2或3个。受神经网络中与同一类别相关的参数和激活之间的密切关系启发，我们提出了一种新方法，可以通过直接从激活预测参数，将预训练的神经网络适应到新类别。在适应新类别时不需要任何训练，并且通过单次前向传播实现快速推理。我们通过在ImageNet数据集上进行小样本图像识别来评估我们的方法，该方法在新类别上以显著优势实现了SOTA分类准确率，同时在大规模类别上保持了相当的性能。我们还在MiniImageNet数据集上测试了我们的方法，它大幅超越了先前的SOTA方法。
引用
@article{arxiv.1706.03466,
title = {Few-Shot Image Recognition by Predicting Parameters from Activations},
author = {Siyuan Qiao and Chenxi Liu and Wei Shen and Alan Yuille},
journal= {arXiv preprint arXiv:1706.03466},
year = {2017}
}