RAFIC：检索增强的小样本图像分类
计算机视觉与模式识别
2023-12-13 v1 机器学习
摘要
小样本图像分类是将未见过的图像分类到N个互斥类别之一的任务，每个类别仅使用少量训练样本。这些样本的有限可用性（记为K）在某些情况下对分类准确性构成了重大挑战。为了解决这个问题，我们开发了一种方法，用额外的一组A个检索图像来增强K个样本。我们将此系统称为检索增强的小样本图像分类（RAFIC）。通过一系列实验，我们证明RAFIC在两个具有挑战性的数据集上显著提高了小样本图像分类的性能。RAFIC由两个主要组件组成：（a）检索组件，使用CLIP、LAION-5B和faiss，以高效检索与提供的图像相似的图像；（b）检索元学习，学习明智地利用检索到的图像。代码和数据可在github.com/amirziai/rafic获取。
引用
@article{arxiv.2312.06868,
title = {RAFIC: Retrieval-Augmented Few-shot Image Classification},
author = {Hangfei Lin and Li Miao and Amir Ziai},
journal= {arXiv preprint arXiv:2312.06868},
year = {2023}
}