围绕脑机接口和计算机视觉领域,研究新一代人机交互和人机混合智能的关键核心技术
今天看啥  ›  专栏  ›  脑机接口与混合智能研究团队

NIPS | 通过去除中心投影来减轻少样本学习中的样本选择偏差

脑机接口与混合智能研究团队  · 公众号  ·  · 2024-04-04 15:36
    

文章预览

该论文发表于NIPS 2022,题目为《Alleviating the Sample Selection Bias in Few-shot Learning by Removing Projection to the Centroid》。 哈尔滨工业大学的Jing Xu为此文第一作者,哈尔滨工业大学的徐增林为此文的通讯作者。 论文链接: https://papers.nips.cc/paper_files/paper/2022/hash/84b686f7cc7b7751e9aaac0da74f755a-Abstract-Conference.html 论文概要 少样本学习(FSL)旨在实现视觉模型处理没有足够数据支持学习的新任务。虽然现在已有一些少样本学习方法,但仍存在当支持数据很少时模型会产生偏差的问题,也就是样本选择偏差问题,而当支持样本越接近任务中心时,这个问题越明显。为缓解该问题,本研究提出了一个称为任务中心投影去除(TCPR)的简单的方法。TCPR使用与支持特征相似的基础特征来估计任务中心,将任务中所有图像特征去除沿着任务中心方向的特征维度,在多个数据集上均 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览