面向少样本图像分类的伙伴辅助学习
计算机视觉与模式识别
2021-09-17 v1
摘要
少样本学习旨在模仿人类视觉能力，并在无需穷尽人工标注的情况下学习有效模型。尽管用于适应的元学习思想已主导了少样本学习方法，但如何训练特征提取器仍是一项挑战。本文聚焦于训练策略的设计，以获得一种基本表示，使得每个新类别的原型可从少量标注样本中估计。我们提出一种两阶段训练方案，即伙伴辅助学习（PAL）：首先训练一个伙伴编码器来建模成对相似性并提取作为软锚点的特征，随后在将其输出与软锚点对齐的同时试图最大化分类性能来训练主编码器。分别从 logit 层面和特征层面设计了两种对齐约束。对于每个少样本任务，我们执行原型分类。我们的方法在四个基准上一致优于最先进方法。文中提供了 PAL 的详细消融研究以论证训练中各组成部分选择的合理性。
引用
@article{arxiv.2109.07607,
title = {Partner-Assisted Learning for Few-Shot Image Classification},
author = {Jiawei Ma and Hanchen Xie and Guangxing Han and Shih-Fu Chang and Aram Galstyan and Wael Abd-Almageed},
journal= {arXiv preprint arXiv:2109.07607},
year = {2021}
}
备注
ICCV2021 Camera Ready