PrototypeFormer：学习探索原型关系用于小样本图像分类
计算机视觉与模式识别
2025-02-18 v2
摘要
小样本图像分类因能克服新类别中样本有限导致分类性能受限的挑战而受到广泛关注。大多数现有工作采用复杂的学习策略和特征学习模块来缓解该挑战。本文中，我们提出一种名为 PrototypeFormer 的新方法，探索小样本场景下类别原型之间的关系。具体而言，我们利用 transformer 架构构建原型提取模块，旨在提取对小样本分类更具判别力的类表示。此外，在模型训练过程中，我们提出一种基于对比学习的优化方法来优化小样本学习场景中的原型特征。尽管方法简单，我们的方法表现极为优异，无任何花哨技巧。我们在多个流行的小样本图像分类基准数据集上进行了实验，表明我们的方法优于当前所有最先进方法。特别地，我们的方法在 miniImageNet 的 5-way 5-shot 和 5-way 1-shot 任务上分别达到 97.07% 和 90.88%，分别超越了最先进结果 0.57% 和 6.84%。代码稍后发布。
引用
@article{arxiv.2310.03517,
title = {PrototypeFormer: Learning to Explore Prototype Relationships for Few-shot Image Classification},
author = {Meijuan Su and Feihong He and Fanzhang Li},
journal= {arXiv preprint arXiv:2310.03517},
year = {2025}
}
备注
Submitted to Neurocomputing