移植と圧縮による増分少数ショット学習【JST・京大機械翻訳】

Li Yiting; Zhu Haiyue; Feng Xijia; Cheng Zilong; Ma Jun; Xiang Cheng; Vadakkepat Prahlad; Lee Tong Heng

プレプリント

J-GLOBAL ID：202202202341997689 整理番号：22P0306947

移植と圧縮による増分少数ショット学習【JST・京大機械翻訳】

Incremental Few-Shot Learning via Implanting and Compressing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月19日プレプリントサーバーでの情報更新日： 2022年04月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究は,事前訓練されたベースクラスを忘れない間,少数の例から新しいクラスを絶えず学習するモデルを必要とする,インクリメンタル少数ショット学習(IFSL)の挑戦的だが現実的な視覚タスクに取り組むことに焦点を当てた。本研究はIFSLの課題がクラス間分離と新しいクラス表現の両方にあることを明らかにした。クラス内変動に対して,新しいクラスは,その特徴表現を構築するために,複数のベースクラスから知識を暗黙的に活用する。したがって,事前訓練埋込み空間を単純に再利用することは,散乱した特徴分布をもたらし,カテゴリ混乱をもたらす。このような問題に取り組むために,著者らは,系統的方法で特徴空間分割と新しいクラス再構成の両方を最適化する,Implanting and Compressing(IMCO)と呼ばれる2段階学習戦略を提案する。特に,Implantingステップにおいて,筆者らは,データ豊富なベース集合の支援により,新しいクラスのデータ分布を模倣することを提案し,従って,モデルは,ベースと他のクラスのクラスを識別するのに有益である意味的に豊富な特徴を学習できる。Compressingステップにおいて,攻撃的モデル更新を防止するための正則化パラメータ更新規則と共に,クラス内コンパクト性を強化するための各新規クラスを正確に表現するために,特徴抽出器を適応させた。最後に,IMCOは,画像分類タスクおよびより挑戦的な物体検出タスクの両者において,有意なマージンを持つ競合するベースラインよりも性能が優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, ,

前のページに戻る