【CVPR2020-旷视】DPGN：分布传播图网络的小样本学习

大多数基于图网络的元学习方法都对实例级关系进行了建模。我们进一步扩展了这个思想，以1-vs-N的方式显式地将一个示例的分布级关系建模为所有其他示例的分布级关系。提出了一种新的分布传播图网络(DPGN)学习算法。在每一个小样本学习任务中，它都传达了分布层次关系和实例层次关系。为了结合所有实例的分布级关系和实例级关系，我们构造了一个由点图和分布图组成的对偶完全图网络，其中每个节点都代表一个实例。DPGN具有双重图结构，可以在几个更新代中将标签信息从带标签的示例传播到未带标签的示例。在对小样本学习基准的大量实验中，DPGN在监督设置下的5% ~ 12%和在半监督设置下的7% ~ 13%的范围内都比最新的结果好得多。代码可以在https://github.com/megviiresearch/DPGN找到。

https://www.zhuanzhi.ai/paper/b176f6b2cb336918576249d6c03f4edd

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DPGN” 就可以获取《【CVPR2020-旷视】DPGN：分布传播图网络的小样本学习》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源