当前位置:网站首页>Icml2021 | reconstruction non supervisée des caractéristiques de pré - formation dans l'apprentissage par petits échantillons

Icml2021 | reconstruction non supervisée des caractéristiques de pré - formation dans l'apprentissage par petits échantillons

2021-12-03 23:47:17 Communauté des sages

Liens vers les articles:

Ces dernières années, les méthodes de classification des petits échantillons sont principalement basées sur les caractéristiques de pré - formation.,Comme avecResNet-12Formation basée surbase classesÉchantillonembedding network,Et basé sur cecinovel classesCaractéristiques de l'échantillon.Cette caractéristique est également utilisée pour les tâches en aval.Basé sur ce paradigme, De nombreuses méthodes utilisent ces caractéristiques directement,Sans se concentrer sur leurs problèmes potentiels.

Un point de départ intéressant.

  1. Comme mentionné précédemmentembedding networkBasé surbase classesFormation,Et les caractéristiques qu'il peut exprimer sont quelque peu spécialiséesbase classes,Une partie de la généralisation est également perduenovel classesCapacité de;
  2. En plus,Méthodes d'évaluation couramment utilisées pour la tâche de classification des petits échantillons d'images(Tâches d'échantillonnage)Moyenne,embedding networkImpossible de s'adapter parfaitement à chaque tâche,C'est - à - dire qu'il n'est pas très spécifique à chaque tâche.

Et donc,,Optimisé de façon adaptative pour chaque tâcheembedding networkExtrait denovel classesLes caractéristiques deviennent très précieuses.

En outre,Face au fait que presque tous les petits échantillons sont des échantillons non étiquetés,“Pas de supervision” C'est aussi l'orientation principale de la conception de la méthode dans cet article. .

Liens vers les articles: https://arxiv.org/abs/2106.11486

版权声明
本文为[Communauté des sages]所创,转载请带上原文链接,感谢
https://chowdera.com/2021/12/20211203234139819u.html

随机推荐