LibFewShot：一个全面的小样本学习库
计算机视觉与模式识别
2022-09-16 v3
摘要
小样本学习，尤其是小样本图像分类，近年来受到越来越多的关注并取得了显著进展。近期一些研究隐含地表明，许多通用技术或“技巧”，如数据增强、预训练、知识蒸馏和自监督学习，可能极大地提升小样本学习方法的性能。此外，不同的工作可能使用不同的软件平台、骨干架构和输入图像尺寸，这使得公平比较变得困难，实践者也难以复现结果。为了解决这些问题，我们提出了一个全面的小样本学习库(LibFewShot)，在PyTorch中采用统一的框架和相同的单一代码库，重新实现了十八种最先进的小样本学习方法。此外，基于LibFewShot，我们在多个基准上使用各种骨干架构进行了全面评估，以考察常见的陷阱和不同训练技巧的效果。另外，针对近期对元学习或情景式训练机制必要性的质疑，我们的评估结果证实，这种机制仍然是必要的，尤其是在与预训练相结合时。我们希望我们的工作不仅能降低初学者进入小样本学习领域的门槛，还能阐明各种重要技巧的效果，以促进小样本学习的内在研究。源代码可从 https://github.com/RL-VIG/LibFewShot 获取。
引用
@article{arxiv.2109.04898,
title = {LibFewShot: A Comprehensive Library for Few-shot Learning},
author = {Wenbin Li and Ziyi and Wang and Xuesong Yang and Chuanqi Dong and Pinzhuo Tian and Tiexin Qin and Jing Huo and Yinghuan Shi and Lei Wang and Yang Gao and Jiebo Luo},
journal= {arXiv preprint arXiv:2109.04898},
year = {2022}
}
备注
17 pages