【ACMMM2020-北航】协作双路径度量的小样本学习

https://arxiv.org/abs/2008.04031

对于有足够标记样本的基类，小样本分类的目标是在只有少量标记样本的情况下识别新类的未标记样本。现有的方法大多只关注新类的标记样本和未标记样本之间的关系，没有充分利用基类内部的信息。在本文中，我们为研究小样本分类问题做了两个贡献。首先，我们提出了一个简单而有效的基线，通过传统的监督学习的方式在基类上训练，可以取得与目前水平相当的结果。其次，在基线的基础上，我们提出了一个协作的双路径分类度量，它利用基类和新类之间的相关性来进一步提高分类的准确性。在两个广泛使用的基准上的实验表明，该方法是一种简单有效的分类方法，在小样本分类领域开创了一种新局面。

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“CBMFL” 可以获取《【ACMMM2020-北航】协作双路径度量的小样本学习》专知下载链接索引

专 · 知

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专业干货知识教程视频资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看5000+AI主题知识资料