1. 论文出处
2021 CVPR
厦门大学纪荣嵘老师团队,鹏城实验室
2. 问题
本文发现了一个问题,novel class分类和表示之间的隐含矛盾被忽视了。即:
- 为了实现精确的novel class分类,两个base class分布需要互相远离(max-margin)。
- 为了准确表示novel classes,base classes的分布需要彼此靠近,来减小novel classes类内距离(min-margin)。
3. 解决方案
提出了类间距均衡方法CME,来优化特征空间划分和novel class重构。CME首先通过使用全连接层解耦定位特征,将小样本检测问题转变成小样本分类问题。CME通过在表征学习的时候引入简单有效的类间隔损失,为novel class预留足够的margin space. 最后,CME通过以一种对抗min-max的方式扰动novel类实例,追求间隔平衡。
4. 核心贡献
提出了CME模型,其核心包括3个模块:
- Max-Margin
- Feature Filtering
- Feature Disturbance
5. 整体结构
6. 实验
作者进行了实验,说明作者提出的方法CME能够对一些novel classes进行区分,减少类间重叠。