抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
目標が限られたラベル付きデータでタスクに一般化するのは,少ないショット画像分類が長年にわたって大きな進歩を見た。しかし,分類器は敵対例に対して脆弱であり,それらの一般化能力に関する疑問を提起する。最近の研究では,少数ショット分類器のロバスト性を改善するために,メタ学習アプローチと敵対訓練を組み合わせることを試みた。簡単な転送学習ベースのアプローチが,敵対的にロバストな少数ショット分類器を訓練するために使用できることを示した。また,ベースクラスに向けて少数ショットカテゴリの重心を較正することに基づく,新しい分類タスクのための方法も提示する。著者らは,新しいカテゴリーにおける較正された重心ベースの分類器と共に,ベースカテゴリに関する標準敵対訓練が,少数ショット学習のための標準ベンチマークに関する最新の先進手法と比較して,優るか,または,オン-パーであることを示した。提案手法は簡単であり,スケールが容易であり,ロバストな少数ショット分類器に導くことができない。コードはここで利用できる:ウルル{https://github.com/UCDvision/Simple_few_shot.git}。【JST・京大機械翻訳】