【小样本学习】(三):Large-Scale Few-Shot Learning via Multi-Modal Knowledge Discover
论文地址:
https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/123550715.pdf
代码地址:
没开源
主要问题:
大规模的小样本学习旨在识别数百个新的对象类别,其中每个类别只有几个样本,这是一个具有挑战性的问题,因为:(1)识别过程容易与对象的有限样本发生过拟合;(2)基础(已知知识)类别和新类别之间的样本不平衡很容易对识别结果产生偏差
主要思路:
为了解决上述问题,作者提出了一种基于多模式知识发现的方法
首先使用视觉知识来帮助特征提取器关注不同的视觉部分,其次作者设计了一个分类器来学习在所有类别上的分布
在第二阶段,作者开发了三种方案来最小化预测误差和平衡训练过程:(1)使用硬标签来提供精确的监督;(2)利用语义文本知识作为弱监督,寻找新类