BriefGPT - AI 论文速递
·
视频基于少样本行为识别模型的跨领域能力理解
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了域自适应少样本开放集识别（DA-FSOS）方法和DAFOSNET架构，通过创建伪开放空间决策边界来学习共享和可区分的嵌入空间，并使用条件对抗网络来增强数据密度。同时，提出了特定于域的批归一化类原型对齐策略。实验证实了DA-FSOS和DAFOSNET的有效性。
🎯
关键要点
- 提出了一种新颖的方法，称为域自适应少样本开放集识别（DA-FSOS）。
- 引入了一种基于元学习的架构，命名为DAFOSNET。
- 模型通过创建伪开放空间决策边界来学习共享和可区分的嵌入空间。
- 使用条件对抗网络增强数据密度，具有可调噪声方差。
- 提出特定于域的批归一化类原型对齐策略，以对齐两个域并确保类别辨别性。
- 基于Office-Home、mini-ImageNet/CUB和DomainNet数据集提出了DA-FSOS的三个基准。
- 通过广泛的实验验证了DAFOSNET的有效性。
➡️
