NeurIPS'22 跨域元学习竞赛：设计与基线结果
机器学习
2022-09-01 v1 人工智能
计算机视觉与模式识别
神经与进化计算
摘要
我们展示了在 NeurIPS'22 上被接收的 ChaLearn 元学习系列新挑战的设计与基线结果，该挑战聚焦于“跨域”元学习。元学习旨在利用从先前任务中获得的经验来高效解决新任务（即具有更好性能、少量训练数据和/或适中计算资源）。虽然该系列先前的挑战聚焦于域内少样本学习问题，旨在高效学习 N-way k-shot 任务（即具有 k 个训练样本的 N 类分类问题），本次竞赛挑战参与者解决从多个领域（医疗、生态、生物、制造及其他）抽取的“任意类数(any-way)”和“任意样本数(any-shot)”问题，这些领域因其人道主义与社会影响而被选中。为此，我们创建了 Meta-Album，一个包含来自 10 个领域的 40 个图像分类数据集的元数据集，从中切分出任意“类数”（范围 2-20）和任意“样本数”（范围 1-20）的任务。该竞赛采用代码提交方式，在 CodaLab 挑战平台上进行完全盲测。获胜者的代码将被开源，从而实现跨多个领域的少样本图像分类自动化机器学习方案的部署。
引用
@article{arxiv.2208.14686,
title = {NeurIPS'22 Cross-Domain MetaDL competition: Design and baseline results},
author = {Dustin Carrión-Ojeda and Hong Chen and Adrian El Baz and Sergio Escalera and Chaoyu Guan and Isabelle Guyon and Ihsan Ullah and Xin Wang and Wenwu Zhu},
journal= {arXiv preprint arXiv:2208.14686},
year = {2022}
}
备注
Meta-Knowledge Transfer/Communication in Different Systems, Sep 2022, Grenoble, France