基于 VAE 的小数据 regime 下半监督学习性能分析
机器学习
2020-07-21 v2 图像与视频处理
机器学习
摘要
由于辐射问题,从生物样品中提取大量数据不可行,而小数据 regime 下的图像处理是在有限数据量下工作时的关键挑战之一。本工作中,我们应用了一种名为变分自编码器(Variational Auto Encoder, VAE)的已有算法,该算法预训练数据的潜空间表示以在小数据 regime 输入下于低维捕获特征。微调后的潜空间提供了对分类有用的恒定权重。在此我们将给出使用 CIFAR-10 数据集在半监督学习中不同潜空间尺寸的 VAE 算法性能分析。
引用
@article{arxiv.2002.12164,
title = {Performance Analysis of Semi-supervised Learning in the Small-data Regime using VAEs},
author = {Varun Mannam and Arman Kazemi},
journal= {arXiv preprint arXiv:2002.12164},
year = {2020}
}