few-shot image classification | BriefGPT

关键词few-shot image classification

搜索结果 - 25

ECCVGalLoP: 学习视觉 - 语言模型的全局和局部提示
全球局部提示（GalLoP）是一种新的提示学习方法，通过学习多种多样的提示，利用全局和局部视觉特征，以提高视觉 - 语言模型在少样本图像分类中的准确性和鲁棒性。在不同的少样本设置和各种背景下，GalLoP 在准确性方面优于以前的提示学习方法
PDF3 days ago
微数据生成微模型：用于少样本蒸馏的文本和空白文本逆转
使用少量训练样本进行图像分类的研究涉及到利用知识蒸馏将高性能但计算速度较慢的模型的能力转移到小型高效模型上，通过使用合成数据来弥补数据不足，并利用扩散模型反演技术（TINT）和生成模型进行少样本蒸馏，达到接近先前研究的最高准确性，同时比先前
PDFa month ago
CVPR基于传递的零样本和小样本 CLIP
这篇论文研究了在 CLIP 等视觉语言模型的快速发展文献中被完全忽视的跨导式零样本和少样本 CLIP 分类挑战，其中推断是在一批未标记的查询样本上进行的，而不是独立处理每个实例。通过构建信息性的视觉文本概率特征，本文提出了一个基于最小化问题
PDF3 months ago
利用视觉语言模型将少样本图像分类和分割作为视觉问答
用视觉引导的分割和评估方法将少样本图像分类和分割问题转化为视觉问答问题，利用视觉语言模型以无需训练的方式进行解决，并通过交互式学习和模块化框架达到最先进的性能。
PDF4 months ago
LDCA: 基于上下文增强的局部描述符的少样本学习
本研究提出了一种名为 “局部描述符上下文增强” 的新方法，通过利用自适应全局上下文增强模块，独特地将局部描素与全局理解之间的差距相互联系起来，从而确保对于每个局部特征都进行更大范围的视觉解释，以取得在细粒度分类任务上最高绝对改进率达 20%
PDF5 months ago
RAFIC：检索辅助的少样本图像分类
通过使用图像检索技术和元学习方法，RAFIC 方法在少样本图像分类任务中显著提高了分类准确性。
PDF7 months ago
TALDS-Net：适应任务的自适应局部描述符选择用于少样本图像分类
我们提出了一种新颖的任务感知自适应本地描述符选择网络 (TALDS-Net)，该网络具备自适应选择任务感知的支持描述符和查询描述符的能力，通过比较每个本地支持描述符与其他本地支持描述符的相似性来获得最优的支持描述符子集，然后将查询描述符与最
PDF7 months ago
少样本分类的高效微调领域内多样化合成
通过合成数据和有效的模型微调来改进少样本图像分类问题，基于先进的图像描述模型，提出了一种新的文本到图像增强方法（DISEF），在多个基准测试中表现出色
PDF7 months ago
基于大语言模型的小样本分类与分割代理
利用大型语言模型作为任务规划者，视觉模型作为工具，通过观察支持图像和使用语境学习指导大型语言模型，利用其总结和推理能力对查询图像进行分类和分割，从而在无需训练的情况下解决了少样本图像分类和分割问题，并在 Pascal-5i 数据集上取得了最
PDF7 months ago
AAAIPrototypeFormer: 学习探索原型关系进行少样本图像分类
本文提出了一种名为 PrototypeFormer 的方法，通过探索原型关系，显著改进了传统的少样本图像分类方法。该方法采用变压器架构构建原型提取模块，旨在提取更具有区分性的类别表示，以用于少样本分类。此外，在模型训练过程中，提出了一种基于
PDF9 months ago
对数变换辅助的高斯采样在少样本学习中的应用
通过使用新型高斯变换将实验数据转化为高斯分布，本文提出了一种在少量数据采样下在少样本图像分类中取得显著性能提升的新方法。
PDF9 months ago
MVP：用于少样本遥感图像场景分类的元视觉提示调整
Vision Transformer 模型在各种视觉任务中表现出强大和多功能性；本文提出了 Meta Visual Prompt Tuning (MVP) 方法，结合 parameter-efficient tuning 方法并应用于 re
PDF10 months ago
ICCV基于知识的提示调优通用视觉语言模型
通过设计两种类型的知识感知提示，离散提示和学习连续提示，以及视觉编码器的适应头部，实现针对视觉 - 语言模型的知识感知提示调整（KAPT）框架在少样本图像分类中的有效性和对未见类别的泛化能力。与最先进的 CoCoOp 方法相比，KAPT 在
PDF10 months ago
基于渐进机器学习的小样本图像分类
基于渐进机器学习的非 i.i.d 范式，本文提出了一种新颖的途径，通过提取特征表示逐步学习，构建一元和二元因子来分类图像，实验证明该方法在准确性方面提高了 1-5%，并且相比于现有的深度模型更具鲁棒性。
PDFa year ago
基于 Prompt 调整的视觉 - 语言模型适应器
本研究提出一个新的模型 Prompt-Adapter，将预训练的提示调整与高效自适应网络相结合，用于高效的视觉 - 语言模型适应过程，超过公共数据集中少量数据情况下的现有方法，在此基础上，探讨了多任务预训练初始化与 prompt tunin
PDFa year ago
AAAICMVAE：用于无监督元学习的因果元 VAE
本文提出了一种基于结构因果模型的无监督元学习算法，通过对先验概率条件独立性的定义和介入进行隐变量消除，提出了 Causal Meta VAE 算法，能够成功消除训练数据中的上下文偏差，并在少样本图像分类任务中取得了优越的性能表现。
PDFa year ago
ACL利用机器和用户生成的自然语言描述提升少样本图像分类
提出一种学习自图像和描述的模型（LIDE），通过与基准模型的对比实验证明了机器自动生成的描述可以作为模型预测的解释，高质量的用户生成描述可以进一步提高模型的性能，并通过比较特征空间中的图像表示和文本表示来研究语言描述为什么能提高 few-s
PDF2 years ago
CVPRFew-Shot 图像分类基准测试与现实相距较远：使用语义任务采样重建更好的结果
本文通过定量和定性研究表明，常见的 Few-Shot 图像分类基准数据集存在很大的偏见，严重影响了实际应用场景的实际使用，提出了一个基于语义信息的对标准数据集的改进方案，并引入了另一个基于丹麦真菌 2020 数据集的新基准，包括一系列用于评
PDF2 years ago
ECCVSITTA: 单张图像纹理转换用于数据增强
本文提出一种数据扩充的方法 ——Single Image Texture Translation for data Augmentation (SITTA)，并研究其在纹理合成和图像翻译方面的应用。研究表明，使用 SITTA 方法可以提高图
PDF3 years ago
ICML跨越多任务学习和元学习：迈向高效训练和有效适应
本论文研究了多任务学习（MTL）与基于梯度的元学习（GBML）之间的关系，通过理论和实证研究证明了它们在优化公式和学习到的预测函数上的相似性，并通过样例展示了 MTL 作为一阶方法可以代替计算代价高的二阶方法 ——GBML，在大规模数据集上
PDF3 years ago