SimpleShot：重新审视少样本学习中的最近邻分类
计算机视觉与模式识别
2019-11-19 v2
摘要
少样本学习器旨在基于少量有标签训练样本识别新对象类别。为防止过拟合，最先进的少样本学习器在卷积网络特征上使用元学习，并采用最近邻分类器进行分类。本文研究了无元学习的最近邻基线的准确率。令人惊讶的是，我们发现简单的特征变换足以获得有竞争力的少样本学习准确率。例如，我们发现结合均值减法和 L2 归一化的最近邻分类器在 miniImageNet 数据集五个设置中的三个上优于先前结果。
引用
@article{arxiv.1911.04623,
title = {SimpleShot: Revisiting Nearest-Neighbor Classification for Few-Shot Learning},
author = {Yan Wang and Wei-Lun Chao and Kilian Q. Weinberger and Laurens van der Maaten},
journal= {arXiv preprint arXiv:1911.04623},
year = {2019}
}