基于多种数据集的自监督学习的少样本图像分类

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/jsjxt.v2i3.30166

基于多种数据集的自监督学习的少样本图像分类

左宗侑, 李丹

四川大学锦城学院

全文直达

引用

打印

摘要：少样本图片分类的目的是用有限的标记样本对没有标记的类别进行分类。由于是对每个任务的样本数量限制，元学习的初始嵌入网络是元学习的重要组成部分并且在实际应用中会对元学习的性能产生很大的影响。因此，许多预先训练的方法被人们提了出来，其中大部分分类都是在监督的方式下进行训练的。在本文中，我们提出训练一个更为广义的嵌入网络与通过从数据本身学习来为下游任务提供表示的自监督学习(SSL)。我们通过在1-shot和5-shot的参数下对多种数据集训练的结果进行比较来评估我们的工作。

关键词：

自监督学习；少样本学习；嵌入网络；图像分类

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2020,2(3)