自适应锚点标签传播用于转导式少样本学习

Oct, 2023

自适应锚点标签传播用于转导式少样本学习

Adaptive Anchor Label Propagation for Transductive Few-Shot Learning

Michalis Lazarou, Yannis Avrithis, Guangyu Ren, Tania Stathaki

TL;DR在本论文中，我们提出了一种新的算法，通过在流形中优化标记数据的特征嵌入来最小化可微损失函数，从而使我们的新算法 “自适应锚标签传播” 在 1-shot 和 5-shot 设置中分别比标准标签传播算法提高了 7% 和 2%。我们在四个广泛使用的 few-shot 基准数据集（miniImageNet，tieredImageNet，CUB 和 CIFAR-FS）和两个常用的主干网络（ResNet12 和 WideResNet-28-10）上提供了实验结果。该算法的源代码可在此 https URL 找到。

Abstract

few-shot learning addresses the issue of classifying images using limited labeled data. Exploiting unlabeled data through the use of transductive inference methods such as label propagation has been shown to impr

few-shot learning transductive inference label propagation algorithm feature embeddings

发现论文，激发创造

少样本学习的本地传播

本研究介绍了局部传播的方法，通过建立图来传播自身和标签，同时在少量数据情况下具有传导推断的能力，从而可以提高准确性。

Jan, 2021

有限注释数据标签传播的深层度量迁移

该论文提出了一个通用的框架，使用未标记的数据通过标签传播方法来增加训练数据，从而促进在目标识别、半监督学习、迁移学习和少样本学习等任务中的快速推广，并展示了标签传播方案在相似度度量从相关域转移的情况下非常有效。通过利用未标记数据提高各种任务的表现。

Dec, 2018

嵌入传播：用于少样本分类的光滑流形

本文提出了使用嵌入传播作为无监督的非参数正则化器来平滑几类区分的数据，在 mini-Imagenet、tiered-Imagenet、Imagenet-FS 和 CUB 数据集上，证明了这种嵌入传播方法能够达到新的最优成果，并在多个半监督的学习场景中稳定提高模型的准确性约 16% 的点。

Mar, 2020

学习在噪声亲和力图上可靠地传播

该论文提出了一种新的框架，利用局部图神经网络和基于置信度的路径调度器，可以在大规模真实数据上可靠地传播标签，同时有效地处理异常值和复杂的图结构。在 ImageNet 和 Ms-Celeb-1M 数据集上的实验证明了该方法的有效性。

Jul, 2020

迭代标签清理用于传导式和半监督式小样本学习

本论文介绍了一种改进的算法，利用有标注数据和无标注数据的流形结构预测伪标签，在类之间平衡，并使用容量有限的分类器的损失值分布选择最干净的标签，以迭代方式改善伪标签的质量，从而在几个基准数据集上超越了现有技术结果，具有数据可用性与特征空间预处理的健壮性。

Dec, 2020

学习传播标签：一种用于少样本学习的转导传播网络

本文提出了一种新的元学习方法 —— 传导传播网络（TPN），用于解决小样本分类任务中的低数据问题。该方法通过学习图构建模块来学习将标签从有标签实例传播到无标签测试实例的方法，并在多个基准数据集上验证了其表现，结果表明 TPN 在有标签数量较少的情况下表现出色，取得最先进的结果。

May, 2018

迭代图形精炼的基于原型的标签传播传导半监督学习

本文提出了一种基于原型标签传播的图构建方法，并对小图片网络、分层图片网络、CIFAR-FS 和 CUB 数据集进行了实验，展示了该方法在转导式 FSL 和半监督 FSL 方面优于其他最先进的方法。

Apr, 2023

大规模扩散下的小样本学习

本研究考虑借助大规模相似性图来进行大规模图像标注，在少量样本标注的情况下实现低样本学习低的准确率。研究发现，尽管其概念上很简单，但将标签传播扩展到亿万级别的图像可以实现低样本学习方法的最新准确性

Jun, 2017

标签传播用于深度半监督学习

本研究利用基于流形假设的传导标签传播方法，对整个数据集进行预测，并利用这些预测值为未标记数据生成伪标签，并训练深度神经网络。经实验证明，这种方法在几种数据集中相对于当前的最新技术表现更好，特别是在有限标志数量的情况下。

Apr, 2019

基于随机游走标签传播的弱监督语义分割学习

本文提出一种训练方法，通过基于随机游走的标签传播和卷积神经网络的相互学习，有效地学习到语义边缘，从而实现对于语义分割任务的有效训练。

Feb, 2018