小数据集图像分类：综述与基准
计算机视觉与模式识别
2022-12-26 v1 人工智能
神经与进化计算
摘要
小数据集上的图像分类在近年已成为一个活跃的研究领域。然而，由于该范围的研究尚处于起步阶段，为确保可靠且真实的进展，还缺失两个关键要素：对最先进技术的系统性广泛综述，以及允许已发表方法间客观比较的通用基准。本文同时解决这两个问题。首先，我们系统性地整理并关联过往研究，以凝聚当前碎片化和分散的社区。其次，我们提出一个允许方法客观比较的通用基准。其由跨越多个领域（如自然图像、医学影像、卫星数据）和数据类型（RGB、灰度、多光谱）的五个数据集组成。我们利用该基准重新评估了标准交叉熵基线以及 2017 至 2021 年间在知名会议上发表的十种现有方法。令人惊讶的是，我们发现对留出验证数据进行彻底的超参数调优产生了一个极具竞争力的基线，并突显了多年来性能增长的停滞。事实上，仅有发表于 2019 年的一项专门方法明确赢得了我们的基准并优于基线分类器。
引用
@article{arxiv.2212.12478,
title = {Image Classification with Small Datasets: Overview and Benchmark},
author = {L. Brigato and B. Barz and L. Iocchi and J. Denzler},
journal= {arXiv preprint arXiv:2212.12478},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2108.13122