格式塔引导的图像理解用于少样本学习
计算机视觉与模式识别
2023-02-09 v1
摘要
由于可用数据稀少，深度学习在少样本学习任务上表现不佳。然而，人类可以从极少样本中快速学习新类别的特征。尽管如此，先前工作很少考虑如何模仿人类认知行为并将其应用于少样本学习。本文引入格式塔心理学到少样本学习中，提出一种即插即用的方法，称为 GGIU（格式塔引导的图像理解）。参考格式塔心理学中的整体性原则与闭合律，我们设计了整体引导的图像理解与闭合引导的图像理解来提取图像特征。此后，使用一个特征估计模块来估计图像的准确特征。大量实验表明，我们的方法无需重训练或微调，即可有效且灵活地提升现有模型的性能。我们的代码发布于 https://github.com/skingorz/GGIU。
引用
@article{arxiv.2302.03922,
title = {Gestalt-Guided Image Understanding for Few-Shot Learning},
author = {Kun Song and Yuchen Wu and Jiansheng Chen and Tianyu Hu and Huimin Ma},
journal= {arXiv preprint arXiv:2302.03922},
year = {2023}
}