May, 2023
通过两个新的基于距离的损失函数,强制执行度量学习中的类别可分性,实现少样本图像分类:SuSana Distance 就是你所需要的
SuSana Distancia is all you need: Enforcing class separability in metric learning via two novel distance-based loss functions for few-shot image classification
Mauricio Mendez-Ruiza, Jorge Gonzalez-Zapatab, Ivan Reyes-Amezcuab, Daniel Flores-Araizaa, Francisco Lopez-Tiroa...
TL;DR提出了两种不同的损失函数 ——Proto-Triplet Loss 和 ICNN loss,其中考虑了嵌入向量的重要性,并评估了训练后网络获得的嵌入的质量。在实验中,相比其他度量法,这些损失函数在 miniImagenNet 基准测试中将准确率显著提高了 2%,表明这些损失函数有能力使网络更好地推广到以前未见过的类别。