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

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 ………………………………