【小样本学习】COMPAS: Representation Learning with Compositional Part Sharing for Few-Shot Classification 【论文链接】https://arxiv.org/pdf/2101.11878.pdf 【作者团队】Ju He, Adam Kortylewski, Alan Yuille 【机构】约翰·霍普金斯大学 【发表时间】2021/1/29 【推荐理由】 本文介绍了用于小样本学习的成分部件共享表示学习方法，来自约翰·霍普金斯大学。 小样本图像分类包含两个连续的学习过程：1）在元学习阶段，模型从一组训练类别中获取知识库。 2）在元测试期间，所获得的知识可用于识别极少数样本中看不见的类别。受人类中物体组成表示的启发，作者训练了一种神经网络结构，该结构将物体明确表示为一组部件及其空间组成。在元学习期间，作者训练一个知识库，该知识库由部件表示的字典和部件激活图的字典组成（该字典对部件的频繁空间激活模式进行编码）。这两个词典的元素在训练类别中间是共享的。在元测试期间，使用部件表示和来自知识库的部件激活图来学习看不见的类的表示。最后，使用注意力机制来加强对于每个类别最重要的那些部件。作者在miniImageNet，tieredImageNet，CIFAR-FS和FC100等数据集上实现了最先进的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除