面向视觉相似类的生成式翻译器与分类器的联合学习
计算机视觉与模式识别
2020-12-03 v2
摘要
本文提出一种生成式翻译分类网络（GTCN），用于在类别视觉相似且数据稀缺的情况下提升视觉分类准确率。为此，我们提出从零开始联合学习，端到端地训练一个分类器和一个生成式随机翻译网络。该翻译网络用于跨类别进行在线数据增强，而以往工作多涉及域适应。为帮助模型进一步从这种数据增强中受益，我们引入了自适应淡入损失和四元组损失。我们在多个数据集上进行了实验，以展示所提方法在不同设置下的性能。特别值得注意的是，仅使用40%的数据集训练，我们的模型即可超越使用完整数据集训练的基线。当我们的架构在完整数据集上训练时，尽管使用的是轻量级架构，仍取得了与最先进方法相当的性能。
引用
@article{arxiv.1912.06994,
title = {Joint Learning of Generative Translator and Classifier for Visually Similar Classes},
author = {ByungIn Yoo and Tristan Sylvain and Yoshua Bengio and Junmo Kim},
journal= {arXiv preprint arXiv:1912.06994},
year = {2020}
}
备注
14 pages, 17 figures, 13 tables