LFD-ProtoNet：基于局部费希尔判别分析的少样本学习原型网络
机器学习
2020-09-29 v2 机器学习
摘要
原型网络（ProtoNet）是一种少样本学习框架，利用到各类原型表示的距离来进行度量学习与分类。由于实现简单、可扩展性强且在实验中表现良好，它近来备受关注。然而，它仅将支持向量的均值作为原型，因此在支持集方差较大时表现不佳。本文中，我们提出将ProtoNet与局部费希尔判别分析相结合，以降低支持集的局部类内协方差并增大局部类间协方差。我们通过理论上给出期望风险界，以及在miniImageNet和tieredImageNet上实证展示其更优分类精度，表明了所提方法的有效性。
引用
@article{arxiv.2006.08306,
title = {LFD-ProtoNet: Prototypical Network Based on Local Fisher Discriminant Analysis for Few-shot Learning},
author = {Kei Mukaiyama and Issei Sato and Masashi Sugiyama},
journal= {arXiv preprint arXiv:2006.08306},
year = {2020}
}
备注
20 pages