- …
- …
#145
summarized by : Hiroaki Aizawa
どんな論文か？
Few-shot classificationの側面から，学習データセットを変動させ，学習された特徴がどのように変化し影響するのかを系統的に調査．この研究から，例えばクラスあたりの画像枚数を増やすべきか，クラス数を増やすべきかといったトレードオフの問いに対して知見が得られる評価プロトコルを提案した．
新規性
データセットの画像枚数，クラス数，多様性を制御できるように既存のImageNetのデータセットからImageNet-6Kと呼ぶサブセットを作成．これを基に，nearest-neighbor classifierを持つfew-shot learnerを学習し，実験を行う評価プロトコルを作成．
結果
Base classとtest classの類似性，クラス数とクラスあたりの画像枚数のトレードオフ，クラスの組み合わせは性能に大きく影響を及ぼすことがわかった．一般的なfew-shot分類の設定はかなり狭いシナリオであること，ベストなトレードオフはクラスあたり60枚程度でかなり少ないこと，クラスの多様性と困難性は独立した影響をもち，クラスの多様性が少ないほどよい性能を達成することがわかった．
その他（なぜ通ったか？等）
- …
- …