当前位置: 首页 > ops >正文

Few-Shot Open-Set Recognition using Meta-Learning

解决的问题:在少样本情形下的开放集识别(=少样本分类+开放集识别)。与其他识别任务的区别如下

为什么要解决这个问题:1)首先,开放集识别在所有设置下都是一个挑战。在少样本的训练模式下训练的识别器面对看不见的类别的可能性并不低。因此,支持少样本的开放式识别技术比不支持的开放式识别技术更有用。2)其次,少样本开放集识别由于缺少标记数据,比大规模开放集识别更难解决。因此,少样本设置对开放集识别的研究提出了更大的挑战。3)第三,和开放集识别一样,少样本识别的主要挑战是对训练中看不到的数据做出准确的判定。由于这使得鲁棒性成为了少样本架构的主要特征,这些架构也可能在开放集识别方面表现出色。最值得注意的是,它们很可能击败大规模分类器,而大规模分类器在鲁棒性维度上得分不高。

使用的方法:介绍了一种新的开放集元学习(PEELER)算法。这结合了每集随机选择一组新的类,1)最大化这些类样本的后置熵的损失,以及2)基于马氏距离的新的度量学习公式。

步骤1:对训练问题集合,循环选择少样本 episodes (S,T)  n次,即N-way K-shot选择n个问题,每个问题选择K个训练样本,测试样本任意

步骤2:根据,使用每个episodes训练一个模型h*

,其中Lc=,(即希望最小化已知类的分类误差)

Lo=(即希望最小化未知类的分类误差,不将未知类分到任意已知类下)。

,即使用原型距离度量进行分类

,距离计算使用了高斯分布

步骤3:将目标任务和样本集进行训练,使用

步骤4:测试h''

存在问题:

1.少样本分类episodes中涉及的类不应该与任何测试集重合。

可创新性:

实验结果与结论:

1.5way-5 shot >5way-1 shot > 10way-1shot,说明少样本episodes类别少更好,每类训练样本数多更好。

2.basic>softmax、openmax、G-openmax、Counter

 

 

 

 

 

http://www.xdnf.cn/news/11538.html

相关文章:

  • 最全的硬盘问题及修复方法
  • 破坏ice的服务器消息,我的世界:ICE服务器炸,矛头指向Mn,但真相另有隐情!...
  • 什么是网站流量[转]
  • 第四方支付——聚合支付你了解多少?开发一个聚合支付系统要多少钱?
  • 讲解Ajax和axios相关知识
  • TDDL生成全局ID原理
  • 图像处理算法——图像常用颜色空间
  • 分享88个焦点幻灯JS特效,总有一款适合您
  • 如何实现快速被Google收录
  • H5、web端页面的性能测试案例以及页面性能测试分析
  • Dreamweaver2021安装教程与创建第一个网页
  • Oracle日期函数集锦
  • 卷积神经网络(CNN)基础
  • Java计算机毕业设计销售合同管理系统(开题报告+源码+论文)
  • 机器人/多机器人控制常用软件介绍
  • Web Service 的工作原理
  • 霍兰德职业兴趣测试全解析,助你找到理想工作!
  • HTC G7 官方ROM卡刷包(国行、台版、港版、印度、亚太版、欧版)
  • 全自动发卡网搭建01(站点搭建)
  • 抖音测试距离的软件,抖音测量长度的软件如何使用?抖音测距仪使用方法介绍...
  • 推荐三款格式转换软件轻松转换3gp格式
  • iframe属性与用法
  • 全球最厉害的 14 位程序员,你认识几位?
  • 数据结构(C语言第2版) 课后习题答案之第四章 串、数组和广义表
  • Android 开发一定要看的15个实战项目(2)
  • CTF writeup 1_网络安全实验室
  • 金盾加密视频提取,真实机器码在这里
  • 撸呀撸的左手(KMP+DP)
  • 《北京遇上西雅图》[HD-RMVB.720p.国语中字][2013年爱情喜剧]
  • 安装VC,NTVDM CPU 遇到无效指令 --绝对能用的解决方法