用于少样本分类的空间对比学习
计算机视觉与模式识别
2021-06-22 v3 机器学习
摘要
本文探讨用于少样本分类的对比学习,提出将其作为额外的辅助训练目标,充当数据依赖的正则化器以促进更通用且可迁移的特征。具体地,我们提出一种新颖的基于注意力的空间对比目标,以学习局部可判别且与类别无关的特征。因此,我们的方法克服了交叉熵损失的一些局限,例如其对已见类过度判别,降低了特征向未见类的可迁移性。通过大量实验,我们表明所提方法优于 SOTA 方法,证实了为少样本学习学习优良且可迁移嵌入的重要性。
引用
@article{arxiv.2012.13831,
title = {Spatial Contrastive Learning for Few-Shot Classification},
author = {Yassine Ouali and Céline Hudelot and Myriam Tami},
journal= {arXiv preprint arXiv:2012.13831},
year = {2021}
}
备注
ECML/PKDD 2021