用于少样本学习的代理网络
机器学习
2020-09-10 v1 机器学习
摘要
利用每类少量样本训练可泛化至新类的预测模型，是人工智能中一个关键且有价值的研究方向。本工作在元学习架构下提出一种称为代理网络（proxy network）的少样本学习（FSL）算法来解决该问题。基于度量学习的方法假设同一类中的数据点在嵌入空间中应彼此接近，而不同类中的数据点应尽可能远离。我们总结出基于度量学习的方法的成功在于数据嵌入、每类的代表以及距离度量。在本工作中，我们提出一个简单但有效的端到端模型，直接从数据中同时学习类的代表代理与距离度量。我们在CUB和mini-ImageNet数据集上的1-shot-5-way和5-shot-5-way场景下开展实验，实验结果表明我们所提方法优于当前最优方法。此外，我们对所提方法给出了详细分析。
引用
@article{arxiv.2009.04292,
title = {Proxy Network for Few Shot Learning},
author = {Bin Xiao and Chien-Liang Liu and Wen-Hoar Hsaio},
journal= {arXiv preprint arXiv:2009.04292},
year = {2020}
}