IPNET：用于少样本学习的影响力原型网络
计算机视觉与模式识别
2024-07-16 v3
摘要
原型网络（PN）是一种简单而有效的少样本学习策略。它是一种基于度量的元学习技术，通过计算每个类别原型表示的欧氏距离来进行分类。传统的 PN 对所有样本赋予同等重要性，并通过简单平均属于每个类别的支持样本嵌入来生成原型。在本工作中，我们提出了一种新颖的 PN 版本，它根据支持样本对支持样本分布的影响来赋予其权重。样本的影响权重是基于包含与不包含该样本的样本分布均值嵌入之间的最大均值差异（MMD）计算的。此外，样本的影响因子使用 MMD 基于该样本缺失时分布的偏移来度量。
引用
@article{arxiv.2208.09345,
title = {IPNET:Influential Prototypical Networks for Few Shot Learning},
author = {Ranjana Roy Chowdhury and Deepti R. Bathula},
journal= {arXiv preprint arXiv:2208.09345},
year = {2024}
}
备注
Please withdraw this submission as the experiments done out here did not work out and I want to remove this paper