利用属性塑造视觉表征的小样本识别
计算机视觉与模式识别
2022-07-13 v3
摘要
小样本识别旨在低数据条件下识别新颖类别。一些近期的小样本识别方法将辅助语义模态，即类别属性信息，引入表征学习，增强了特征判别性并提升了识别性能。现有多数此类方法仅考虑支持集的属性信息而忽略查询集，导致潜在的性能损失。在本文中，我们提出一种新颖的属性塑造学习(ASL)框架，可联合执行查询属性生成与判别性视觉表征学习以用于小样本识别。具体地，构建视觉-属性预测器(VAP)来预测查询的属性。通过利用属性信息，设计了一个属性-视觉注意力模块(AVAM)，能够自适应地利用属性和视觉表征学习更具判别性的特征。在属性模态的指导下，我们的方法可学习增强的语义感知表征用于分类。实验表明，我们的方法在CUB和SUN基准上取得了有竞争力的结果。我们的源代码可在：\url{https://github.com/chenhaoxing/ASL} 获取。
引用
@article{arxiv.2112.06398,
title = {Shaping Visual Representations with Attributes for Few-Shot Recognition},
author = {Haoxing Chen and Huaxiong Li and Yaohui Li and Chunlin Chen},
journal= {arXiv preprint arXiv:2112.06398},
year = {2022}
}
备注
accepted by IEEE Signal Process. Lett