基于特征向量图插值的精确少样本分类
机器学习
2021-01-29 v4 机器学习
摘要
在少样本分类中,目标是学习仅使用少量标注样本即可区分类别的模型。在此背景下,已有工作提出引入图神经网络(GNNs)以利用同时处理的其他样本中包含的信息,即文献中通常所称的转导设置。这些GNN与骨干特征提取器一同训练。在本文中,我们提出一种仅依赖图来插值特征向量的新方法,从而得到无需训练额外参数的转导学习设置。因此我们提出的方法利用了两个层次的信息:a)在通用数据集上获得的迁移特征,b)从其他待分类样本获得的转导信息。使用标准少样本视觉分类数据集,我们证明了其相比其他工作带来显著增益的能力。
引用
@article{arxiv.2001.09849,
title = {Graph-based Interpolation of Feature Vectors for Accurate Few-Shot Classification},
author = {Yuqing Hu and Vincent Gripon and Stéphane Pateux},
journal= {arXiv preprint arXiv:2001.09849},
year = {2021}
}