基于领域知识作为超球面先验的细粒度小样本视觉
计算机视觉与模式识别
2020-05-26 v1 机器学习
图像与视频处理
摘要
原型网络已被证明在计算机视觉的小样本学习任务中表现良好。然而，当类别彼此非常相似时（细粒度分类），这些网络表现不佳，且目前无法考虑先验知识（通过使用表格数据）。利用球形潜在空间对原型进行编码，我们可以在最大化类别分离的同时，将领域知识作为信息性先验纳入，从而实现小样本细粒度分类。我们描述了如何构建一个嵌入先验领域信息的原型超球面，并在具有挑战性的细粒度分类基准数据集上证明了该方法的有效性，在单样本分类中取得了最佳结果，并将训练时间提升了 5 倍。
引用
@article{arxiv.2005.11450,
title = {Fine-Grain Few-Shot Vision via Domain Knowledge as Hyperspherical Priors},
author = {Bijan Haney and Alexander Lavin},
journal= {arXiv preprint arXiv:2005.11450},
year = {2020}
}