ICMLJun, 2021
长期交叉对抗训练:一种鲁棒元学习方法用于少样本分类任务
Long-term Cross Adversarial Training: A Robust Meta-learning Method for Few-shot Classification Tasks
Fan Liu, Shuyu Zhao, Xuelong Dai, Bin Xiao
TL;DR本文提出了一种基于长期交叉对抗训练 (LCAT) 的元学习方法,在自然和对抗样本分布方向上进行跨更新,以提高元学习模型的对抗性和干净的 Few-shot 分类准确性,实验结果表明,LCAT 在对抗样本上和干净样本上的 Few-shot 识别准确性上都优于目前最先进的元学习模型的对抗训练方法。