May, 2024
MOKD: 通过最大化优化的核依赖进行跨域微调的少样本分类
MOKD: Cross-domain Finetuning for Few-shot Classification via Maximizing
Optimized Kernel Dependence
TL;DR在跨领域少样本分类中,本文通过学习表示来构建度量空间,以测量样本和每个类别原型之间的相似性,并通过双层优化框架提出了一种最大化优化核依赖性(MOKD)的方法,以学习与给定任务标记数据指示的聚类结构相匹配的一组类别特定表示。