CNN 的纹理偏置限制了少样本分类性能

Sam Ringer; Will Williams; Tom Ash; Remi Francis; David MacLeod

CNN 的纹理偏置限制了少样本分类性能

机器学习 2019-10-21 v1 计算机视觉与模式识别机器学习

作者: Sam Ringer , Will Williams , Tom Ash , Remi Francis , David MacLeod

摘要

在给定少量标注数据的情况下进行准确图像分类（少样本分类）仍是计算机视觉中的一个开放问题。本文中，我们考察了卷积神经网络（CNNs）已知的纹理偏置如何影响少样本分类性能。尽管纹理偏置在标准图像分类中有所帮助，但本文表明它会显著损害少样本分类性能。在纠正该偏置后，我们在一个具有竞争力的 miniImageNet 任务上展示了最先进的性能，所用方法远比当前性能最佳的少样本学习方法简单。

关键词

纹理偏置卷积神经网络少样本分类 miniImageNet 图像分类

引用

@article{arxiv.1910.08519,
  title  = {Texture Bias Of CNNs Limits Few-Shot Classification Performance},
  author = {Sam Ringer and Will Williams and Tom Ash and Remi Francis and David MacLeod},
  journal= {arXiv preprint arXiv:1910.08519},
  year   = {2019}
}

CNN 的纹理偏置限制了少样本分类性能

摘要

关键词

引用

相关论文