用于少样本分类的关系嵌入
计算机视觉与模式识别
2021-08-24 v1
摘要
我们提出从关系视角通过元学习“观察什么”与“关注何处”来解决少样本分类问题。我们的方法通过自相关表示（SCR）与互相关注意力（CCA）来利用图像内部及图像之间的关系模式。在每幅图像内部，SCR 模块将基础特征图转换为自相关张量，并学习从该张量中提取结构模式。在图像之间，CCA 模块计算两个图像表示之间的互相关，并学习生成它们之间的协同注意力。我们的关系嵌入网络（RENet）结合两个关系模块，以端到端方式学习关系嵌入。在实验评估中，它在 miniImageNet、tieredImageNet、CUB-200-2011 和 CIFAR-FS 四个广泛使用的少样本分类基准上相比最先进方法取得了持续的性能提升。
引用
@article{arxiv.2108.09666,
title = {Relational Embedding for Few-Shot Classification},
author = {Dahyun Kang and Heeseung Kwon and Juhong Min and Minsu Cho},
journal= {arXiv preprint arXiv:2108.09666},
year = {2021}
}
备注
Accepted at ICCV 2021