基于虚拟三维模型的少样本学习
计算机视觉与模式识别
2019-01-08 v1 机器学习
摘要
自深度学习问世以来，神经网络在许多视觉识别任务中展现出卓越成果，不断突破极限。然而，最先进的方法在稀缺数据场景下大多不适用。为弥补这一不足，本文提出采用由训练图像导出的三维模型。该模型可用于为少样本学习场景中的稀缺样本生成新的视角与姿态。一种自步学习方法能够筛选出一组多样化且高质量的图像，从而促进分类器的训练。所提方法在细粒度 CUB-200-2011 数据集上的少样本设定中展示了性能，并显著提升了我们的基线准确率。
引用
@article{arxiv.1901.01868,
title = {Low-Shot Learning from Imaginary 3D Model},
author = {Frederik Pahde and Mihai Puscas and Jannik Wolff and Tassilo Klein and Nicu Sebe and Moin Nabi},
journal= {arXiv preprint arXiv:1901.01868},
year = {2019}
}
备注
To appear at WACV 2019. arXiv admin note: text overlap with arXiv:1811.09192