PrototypeFormer: 学习探索原型关系进行少样本图像分类
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一种名为 PrototypeFormer 的方法,通过探索原型关系,显著改进了传统的少样本图像分类方法。该方法采用变压器架构构建原型提取模块,旨在提取更具有区分性的类别表示,以用于少样本分类。此外,在模型训练过程中,提出了一种基于对比学习的优化方法,以优化少样本学习场景下的原型特征。通过在几个流行的少样本图像分类基准数据集上实验,证明了本方法优于所有当前最先进的方法,特别是在...
PrototypeFormer是一种改进的少样本图像分类方法,通过探索原型关系,在几个基准数据集上实验,证明其优于当前最先进的方法,特别是在miniImageNet的5-way 5-shot和5-way 1-shot任务上分别达到97.07%和90.88%。