少数ショット学習のための意味論的比例パッチミックス【JST・京大機械翻訳】

Wang Jingquan; Xu Jing; Pan Yu; Xu Zenglin

プレプリント

J-GLOBAL ID：202202213987505760 整理番号：22P0291259

少数ショット学習のための意味論的比例パッチミックス【JST・京大機械翻訳】

Semantically Proportional Patchmix for Few-Shot Learning

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 (4件)： , , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17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)

少数のショット学習は,限られた数のラベル付きデータだけを用いて,非意味クラスを分類することを目的とする。最近の研究では,簡単な転送学習戦略による訓練モデルが,少数ショット分類において競合結果を達成できることを実証した。訓練データを識別することにおいて,これらのモデルは,おそらく評価に関する不十分な特徴表現のため,データにあまり一般化されていない。この課題に取り組むために,パッチを訓練画像の中で切断し,そして,グランドトルースラベルをパッチの意味論的情報に比例的に混合する,意味的比例パッチ(SePPMix)を提案した。この方法で,厳しいラベル雑音を導入することなく,局所ドロップアウト効果によってモデルの一般化能力を改善できる。データのよりロバストな表現を学習するために,さらに混合画像上で回転変換を行い,規則ベース正則化器として回転を予測した。一般的な少数ショットベンチマークに関する広範な実験は,提案した方法の有効性を示した。【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