面向小样本学习的类级原型学习
计算机视觉与模式识别
2021-08-26 v1 机器学习
摘要
小样本学习旨在利用极少量的标注样本识别新类别。尽管小样本学习在近年来取得了可喜的进展，但大多数现有方法采用平均操作来计算原型，从而受到异常样本的限制。在本工作中，我们提出了一个简单而有效的小样本分类框架，该框架能够在情景原型生成器模块的帮助下，从少量支持数据中学习生成优选原型。生成的原型旨在接近某个特定的 \textit{\targetproto{}}，并且较少受到异常样本的影响。大量实验证明了该模块的有效性，我们的方法在基线模型上获得了显著提升，并在 \textit{mini}ImageNet、\textit{tiered}ImageNet 和跨域 (\textit{mini}ImageNet CUB-200-2011) 数据集上与先前方法相比取得了有竞争力的结果。
引用
@article{arxiv.2108.11072,
title = {Learning Class-level Prototypes for Few-shot Learning},
author = {Minglei Yuan and Wenhai Wang and Tao Wang and Chunhao Cai and Qian Xu and Tong Lu},
journal= {arXiv preprint arXiv:2108.11072},
year = {2021}
}