学习前馈单样本学习器
计算机视觉与模式识别
2016-06-17 v1 机器学习
摘要
单样本学习通常通过使用生成模型或判别性嵌入来解决。基于深度学习的判别方法在其他学习场景中非常有效，但不适合单样本学习，因为它们需要大量训练数据。在本文中，我们提出了一种单样本学习深度模型参数的方法。我们将学习器构建为第二个深度网络，称为 learnet，它根据单个样本预测 pupil 网络的参数。通过这种方式，我们获得了一个高效的前馈单样本学习器，通过在“学习如何学习”的表述中最小化单样本分类目标进行端到端训练。为了使该构建可行，我们提出了 pupil 网络参数的多种分解方法。我们通过在 Omniglot 中从单个样本学习字符，以及在 Visual Object Tracking 基准测试中从单个初始样本跟踪视觉对象，展示了令人鼓舞的结果。
引用
@article{arxiv.1606.05233,
title = {Learning feed-forward one-shot learners},
author = {Luca Bertinetto and João F. Henriques and Jack Valmadre and Philip H. S. Torr and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1606.05233},
year = {2016}
}
备注
The first three authors contributed equally, and are listed in alphabetical order