人类通过视觉概念学习获得图像分类的能力,概念形成的过程涉及到共同属性的搜索和概念描述的交织。然而,在大多数使用深度卷积神经网络(ConvNet)的图像分类算法中,表示空间是在概念描述固定为单热点代码的前提下构造的,这限制了属性的挖掘和对未见样本的识别能力。受此启发,我们提出了一种基于ConvNet的视觉概念形成(visual concept formation, LSOVCF)学习策略,该策略将概念形成的两个相互交织的部分,即特征提取和概念描述一起学习。首先,LSOVCF在ConvNet的最后一层取样本响应,引入假设为高斯分布的概念描述,这是训练过程的一部分。其次,对探索和经验损失进行优化设计,采用经验缓存池加速收敛。实验表明,LSOVCF提高了cifar10、STL10、flower17和ImageNet上从经典VGG到SOTA Ghostnet的几种骨架样本识别未见样本的能力。

代码可在\url{https://github.com/elvintanhust/LSOVCF}。

成为VIP会员查看完整内容
20

相关内容

图像分类是指给定一组各自被标记为单一类别的图像,然后对一组新的测试图像的类别进行预测,并测量预测的准确性结果。
专知会员服务
18+阅读 · 2021年9月16日
专知会员服务
31+阅读 · 2021年9月7日
专知会员服务
20+阅读 · 2021年8月26日
专知会员服务
28+阅读 · 2021年7月19日
专知会员服务
24+阅读 · 2021年6月17日
专知会员服务
26+阅读 · 2021年5月24日
专知会员服务
22+阅读 · 2021年5月23日
专知会员服务
79+阅读 · 2021年5月10日
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
用 SimCLR 提高自监督与半监督学习效果
谷歌开发者
5+阅读 · 2020年5月12日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
干货——图像分类(下)
计算机视觉战队
14+阅读 · 2018年8月28日
开发 | 用 Kaggle 经典案例教你用 CNN 做图像分类!
AI科技评论
5+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月13日
Few-shot Scene-adaptive Anomaly Detection
Arxiv
8+阅读 · 2020年7月15日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关VIP内容
专知会员服务
18+阅读 · 2021年9月16日
专知会员服务
31+阅读 · 2021年9月7日
专知会员服务
20+阅读 · 2021年8月26日
专知会员服务
28+阅读 · 2021年7月19日
专知会员服务
24+阅读 · 2021年6月17日
专知会员服务
26+阅读 · 2021年5月24日
专知会员服务
22+阅读 · 2021年5月23日
专知会员服务
79+阅读 · 2021年5月10日
相关资讯
【ICML2021】低秩Sinkhorn 分解
专知
9+阅读 · 2021年8月20日
用 SimCLR 提高自监督与半监督学习效果
谷歌开发者
5+阅读 · 2020年5月12日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
37+阅读 · 2019年7月25日
干货——图像分类(下)
计算机视觉战队
14+阅读 · 2018年8月28日
开发 | 用 Kaggle 经典案例教你用 CNN 做图像分类!
AI科技评论
5+阅读 · 2017年8月4日
微信扫码咨询专知VIP会员