文献

J-GLOBAL ID：202002279481567854   整理番号：20A0478066

Meta-少数ショット分類のための学習ベースのプロトタイプ関係ネットワーク【JST・京大機械翻訳】

Meta-Learning based prototype-relation network for few-shot classification

著者 (4件)： Liu Xiaoqian (School of Control Science and Engineering, Shandong University, Jinan 250061 Shandong, PR China) ,  Zhou Fengyu (School of Control Science and Engineering, Shandong University, Jinan 250061 Shandong, PR China) ,  Liu Jin (School of Control Science and Engineering, Shandong University, Jinan 250061 Shandong, PR China) ,  Jiang Lianjie (School of Control Science and Engineering, Shandong University, Jinan 250061 Shandong, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 383  ページ： 224-234  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： パターン認識は大量のラベル付きデータの下で大きな進歩を遂げている。一方,分類器が訓練中に遭遇しない新しいクラスを同定することができるように,少数の例では不十分である。本論文において,プロトタイプ関連ネットワークと呼ばれる単純なフレームワークを,数ショット分類のために提示した。さらに,プロトタイプネットワークと比較した新しい損失関数を提案し,クラス間とクラス内の距離を考慮した。メタ学習の間,モデルはエンドツーエンドエピソードによって最適化される。それらの各々は試験数ショット設定を模倣することである。訓練したモデルを用いて,質問画像と各クラスのプロトタイプの間の分距離を計算することにより,新しいクラスを分類した。広範な実験結果は,提案したメタ学習モデルが競争力があり,効果的であることを実証した。それは,OmniglotとミニImageNetデータセットに関する最先端の性能を達成した。Copyright 2020 Elsevier B.V., Amsterdam. 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 ,  パターン認識 ,  粒状材 ,  プロトタイプ ,  *ネットワーク ,  損失関数 ,  エンドツーエンド方式 ,  最適化
準シソーラス用語： メタ学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 少数ショット学習 ,  分類 ,  Meta-学習 ,  プロトタイプ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ショット ,  分類 ,  学習 ,  プロトタイプ