对数变换辅助的高斯采样用于少样本学习
计算机视觉与模式识别
2023-09-29 v1
摘要
少样本图像分类近来见证了表示学习的兴起，被用于使模型仅借助少量训练样本即可适应新类别。因此，表示的性质，例如其底层概率分布，具有至关重要的重要性。近期工作[19]中已使用从高斯分布采样的表示来训练少样本分类的分类器。这些方法依赖于将实验数据的分布变换以近似高斯分布来发挥作用。在本文中，我提出了一种新颖的高斯变换，其在将实验数据变换为类高斯分布方面优于现有方法。随后我将此新颖变换用于少样本图像分类，并在采样更少数据的同时显示出性能的显著提升。
引用
@article{arxiv.2309.16337,
title = {Logarithm-transform aided Gaussian Sampling for Few-Shot Learning},
author = {Vaibhav Ganatra},
journal= {arXiv preprint arXiv:2309.16337},
year = {2023}
}