关键词base and novel classes
搜索结果 - 2
- 类相似度转换:从广义少样本分割中解耦类相似度和不平衡
在广义 Few-shot 分割(GFSS)中,通过使用大量基本类别样本对模型进行训练,再对有限的新类别样本进行调整。本文主要关注基本类别和新类别之间的相关性,并在两个方面对 GFSS 进行改进:1)利用基本类别与新类别之间的相似性促进新类别 - 利用类层次挖掘的实例级少样本学习
本文提出了一种利用层次信息进行分类的几乎无监督的实例级别小样本学习方法,称为 Soft Multiple Superclass (SMS)。该方法采用了一种新的超类方法来自动创建基本和新的类的层次结构,关注基本类别的相关特征以有效分类新对象