BriefGPT.xyz
Jan, 2020
通过学习的特征转换实现跨域少样本分类
Cross-Domain Few-Shot Classification via Learned Feature-Wise Transformation
HTML
PDF
Hung-Yu Tseng, Hsin-Ying Lee, Jia-Bin Huang, Ming-Hsuan Yang
TL;DR
本文旨在解决度量方法下少样本分类领域差异的问题,使用特征转换层进行数据增强以模拟不同域下的特征分布,并应用“学习学习”方法搜索超参数来捕捉不同域下的特征分布变化,实验结果表明该方法适用于不同的度量模型,能够提高少样本分类准确性。
Abstract
few-shot classification
aims to recognize novel categories with only few labeled images in each class. Existing metric-based
few-shot classification
algorithms predict categories by comparing the feature embeddin
→