#617
summarized by : Atsuki Osanai
Semi-Supervised Few-Shot Learning via Multi-Factor Clustering

どんな論文か?

Few-shotの半教師あり学習(SSL)における疑似ラベルの生成を改善する。ラベルなしデータ(=クエリ)の擬似ラベル生成に、各クラスタを構成する要素の線形和でクエリを表現するMFCを採用。MFCに加え、ラベル伝搬法(LP)も併せて利用することで、ラベルなしデータの疑似ラベルを精度高く推定する。推論時にもMFCを用いてクラスタのサポートを増強し、LPを用いてテストサンプルの割り当てを行う。
placeholder

新規性

クラスタを構成するサンプルが少数であるFew-Shot Learningのタスクに対し、MFCによる疑似ラベル生成を提案した点。KMeansがクラスタ中心のみを考慮したクラスタリング手法であるのに対し、MFCはクラスタを形成する要素全てを考慮できるため疑似ラベルの精度が向上する。

結果

Few-Shot LearningのベンチマークであるminiImageNet, tieredImageNet, CUB-200-2011にて評価。EPNet-SSL含む多くの手法との比較において、提案手法は十分なマージンを持ってSOTAを更新している。

その他(なぜ通ったか?等)

https://gitlab.com/smartllvlab/cluster-fsl