细粒度类别及其发现方法
机器学习
2024-06-18 v1 计算机视觉与模式识别
摘要
在许多实际应用中，粗粒度标签比反映类别之间细微差异的细粒度标签更容易获得。然而，现有方法无法以无监督方式从粗标签推断细粒度标签。为填补这一差距，我们提出了 FALCON（Fine-grained Classes from LOOt data with coarse labels），一种从粗标签数据中发现细粒度类的无监督方法。FALCON 同时推断未知的细粒度类别以及粗粒度类别与细粒度类别之间的关系。此外，FALCON 是一种模块化方法，可有效地从使用不同策略标记的多个数据集中学习。我们在八个图像分类任务和一个单细胞分类任务上评估了 FALCON。FALCON 在八个数据集上均优于基线方法，在 tieredImageNet 数据集上实现了超过 600 个细粒度类别的 22% 性能提升。
引用
@article{arxiv.2406.11070,
title = {Fine-grained Classes and How to Find Them},
author = {Matej Grcić and Artyom Gadetsky and Maria Brbić},
journal= {arXiv preprint arXiv:2406.11070},
year = {2024}
}
备注
Accepted to ICML 2024