重新思考小样本图像分类：一个好的嵌入即你所需要？
计算机视觉与模式识别
2020-06-18 v2 机器学习
摘要
近期元学习研究的焦点在于开发能够以有限数据和低计算成本快速适应测试时任务的学习算法。小样本学习被广泛用作元学习的标准基准之一。在本文中，我们展示了一个简单基线：在元训练集上学习有监督或自监督表示，然后在该表示之上训练一个线性分类器，其性能优于最先进的小样本学习方法。通过使用自蒸馏可进一步获得提升。这表明，使用一个良好的已学习嵌入模型可能比复杂的元学习算法更有效。我们相信我们的发现促使人们重新思考小样本图像分类基准以及元学习算法的相关作用。代码见：http://github.com/WangYueFt/rfs/。
引用
@article{arxiv.2003.11539,
title = {Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need?},
author = {Yonglong Tian and Yue Wang and Dilip Krishnan and Joshua B. Tenenbaum and Phillip Isola},
journal= {arXiv preprint arXiv:2003.11539},
year = {2020}
}
备注
First two authors contributed equally. Project Page: https://people.csail.mit.edu/yuewang/projects/rfs/ Code: http://github.com/WangYueFt/rfs/