prototypical networks | BriefGPT

关键词prototypical networks

搜索结果 - 28

ACL多层级匹配和聚合网络用于少样本关系分类
我们提出了一个多层匹配与聚合网络（MLMAN）来进行少样本关系分类，相较于此前采用原型网络，其考虑了本地和实例层面上的匹配信息进行交互式编码，并使用注意力机制聚合了支持集中每个实例的表示，实验结果表明其在 FewRel 数据集上达到了最新的
PDF5 years ago
单向典型网络
本文介绍了一种新的针对单一类别训练原型 few-shot 模型的方法，引入了一个以零为中心的 “空类” 并通过批量标准化实现中心化，同时提出了一个用于距离计算的新的高斯层次，该层次考虑了支撑示例的分布而不仅是它们的质心，在 Omniglot
PDF5 years ago
CVPR无监督领域自适应的可迁移原型网络
该研究介绍了一种新的无监督领域适应方法，通过重新设计 Prototype Networks 学习一个嵌入空间，并通过到每个类别原型的距离的重新设计进行分类。通过在源域和目标域中接近每个类别的原型，同时预测分别在源数据和目标数据上的原型的分数
PDF5 years ago
Few-Shot 学习基准太简单了吗？无需测试任务监督即可解决
本文介绍了一种名为 Centroid Networks 的 baseline 方法，能够在测试时隐藏支持集标签并在必要时通过聚类来恢复标签，以此研究在测试时缺乏支持集标签的场景下，少样本学习的解决方案。同时，作者提出以新的架构和数据集作为基
PDF5 years ago
ICLR半监督少样本分类的元学习
本研究致力于发展一种在少量标记数据情况下对未标记数据进行分类的方法并提出一种新型 Prototypical Networks 和一种使用未标记数据的元学习算法来解实际问题，经过对 Omniglot、miniImageNet 和 ImageN
PDF6 years ago
将视觉问答作为元学习任务
本文提出了一种元学习的方法来解决图像问题回答（VQA）问题，并采用了原型网络和元网络两种技术，通过给定的例子来推理解决给定的问题，与现有技术相比，该方法能够产生具有更高罕见回答的召回率和更好的样本效率，是学习和推理基于视觉和语言的方法的重要
PDF7 years ago
Gaussian 原型网络在 Omniglot 上的少样本学习
提出一种新的基于高斯原型网络的 $k$-shot 分类方法，并在 Omniglot 数据集上取得最新的学术成果。
PDF7 years ago
少样本学习的原型网络
本文提出一种少样本学习方法，即使用原型网络从小样本中抽象出原型，将其映射到一个度量空间中，比较测试样本和原型之间的距离来进行分类，同时还将其拓展到零样本学习，取得了最先进的结果。
PDF7 years ago