矫正少样本学习中背景的捷径学习
计算机视觉与模式识别
2022-01-06 v3
摘要
训练与评估间的类别鸿沟已被刻画为少样本学习（FSL）成功的主要障碍之一。在本文中，我们首次通过实验将真实图像中常见的图像背景识别为一种捷径知识：其有助于类内分类，却无法泛化至训练类别之外。我们设计了一个新颖框架 COSOC，通过在训练与评估时均无额外监督地提取图像中前景对象来解决该问题。在归纳式 FSL 任务上开展的广泛实验证明了我们方法的有效性。
引用
@article{arxiv.2107.07746,
title = {Rectifying the Shortcut Learning of Background for Few-Shot Learning},
author = {Xu Luo and Longhui Wei and Liangjian Wen and Jinrong Yang and Lingxi Xie and Zenglin Xu and Qi Tian},
journal= {arXiv preprint arXiv:2107.07746},
year = {2022}
}
备注
NeurIPS 2021