文献

J-GLOBAL ID：202002224612124604   整理番号：20A1750970

TransMatch:半教師付き少数ショット学習のための転送学習方式【JST・京大機械翻訳】

TransMatch: A Transfer-Learning Scheme for Semi-Supervised Few-Shot Learning

著者 (4件)： Yu Zhongjie (University of Wisconsin-Madison) ,  Chen Lin (Futurewei Technologies) ,  Cheng Zhongwei (Futurewei Technologies) ,  Luo Jiebo (University of Rochester)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CVPR  ページ： 12853-12861  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多くの視覚認識タスクへの深層学習の成功的応用は,通常高価である大量のラベル付きデータのアベイラビリティに大きく依存する。少数ショット学習問題は,少数のラベル付きサンプルだけにロバストモデルを構築するための研究者からますます注目されてきた。ほとんどの既存の研究は,エピソード訓練戦略による少数ショット学習タスクを模倣することによって,メタ学習フレームワークの下でこの問題に取り組む。本論文では,ラベル付きベースクラスデータとラベルなし新規クラスデータからの補助情報を完全に利用するために,半教師つき少数ショット学習のための新しい転送学習フレームワークを提案した。フレームワークは3つの成分から成る。1)ベースクラスデータ上の特徴抽出器の事前訓練;2)特徴抽出器を用いて,新しいクラスの分類器重みを初期化する。3)半教師つき学習法によるモデルのさらなる更新。提案フレームワークの下で,著者らは,インプリントとMixMatchで3つの成分を瞬時にすることによって,TransMatchと呼ばれる半教師つき少数ショット学習のための新規な方法を開発した。少数ショット学習,CUB-200-2011およびミニImageNetのための2つの一般的ベンチマークデータセットに関する広範な実験は,著者らの提案方法が,ラベル付きベースクラスデータとラベルなし新規クラスデータから補助情報を効果的に利用することができ,少数ショット学習タスクの精度を著しく改善し,新しい最先端結果を達成することを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  特徴抽出 ,  アベイラビリティ ,  視認 ,  粒状材 ,  ロバスト性 ,  深層学習
準シソーラス用語： メタ学習 ,  半教師つき学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 教師 ,  少数ショット学習 ,  転送 ,  学習