RelationNet2：用于少样本学习的深度比较列
计算机视觉与模式识别
2020-04-29 v3
摘要
少样本深度学习是一个热门挑战领域，旨在以有限标注样本实现视觉识别对无限增长的新未见类的扩展。一种有前景的方法基于度量学习，其训练深度嵌入以支持图像相似性匹配。我们的洞见是，有效的通用匹配需要在多个抽象层次上对非线性的特征进行比较。因此我们提出一种新的深度比较网络，由嵌入模块和关系模块组成，同时基于不同层次的特征学习多个非线性距离度量。此外，为减少过拟合并启用更深的嵌入，我们通过学习参数化高斯噪声正则化将图像表示为分布而非向量。所得网络在 miniImageNet 和 tieredImageNet 上均取得了优异性能。
引用
@article{arxiv.1811.07100,
title = {RelationNet2: Deep Comparison Columns for Few-Shot Learning},
author = {Xueting Zhang and Yuting Qiang and Flood Sung and Yongxin Yang and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1811.07100},
year = {2020}
}
备注
10 pages, 5 figures, Published in IJCNN 2020