判别神经网络中的单样本学习
机器学习
2017-07-19 v1 机器学习
摘要
我们考虑视觉类别的单样本学习任务。本文中，我们探索一种贝叶斯过程，用于更新预训练卷积网络以分类数据有限的新图像类别。我们将该卷积网络分解为固定的特征提取器与softmax分类器。我们假设新任务的目标权重来自与预训练softmax权重相同的分布，我们将其建模为多元高斯分布。通过将此作为新权重的先验，我们展示了与最先进方法相竞争的性能，同时也与在大数据上训练深度网络的“常规”方法相一致。
引用
@article{arxiv.1707.05562,
title = {One-Shot Learning in Discriminative Neural Networks},
author = {Jordan Burgess and James Robert Lloyd and Zoubin Ghahramani},
journal= {arXiv preprint arXiv:1707.05562},
year = {2017}
}
备注
3 pages, 3 figures