- …
- …
#260
summarized by : Shuhei M Yoshida
どんな論文か?
訓練画像がクラス当たり1〜5枚しか使えないfew-shot学習の論文。少数の学習データをデータ拡張によってかさ増しする従来のアプローチで、生成されるデータの識別性と多様性に難があるという問題を解消する。
新規性
WGANによってデータ拡張を行う枠組みを提案。また、生成されたデータの識別性を高める損失関数 classification regularizer、多様性を高める損失関数 anti-collapse regularizerを提案。
結果
Few-shot学習の標準的なベンチマークであるmini-ImageNet, CUB200, CIFAR100で評価。データ拡張に基づくものをはじめ主要なfew-shot学習のアプローチよりも高い精度を達成。
その他(なぜ通ったか?等)
- …
- …