BriefGPT - AI 论文速递
·
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。
📝
内容提要
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％。
🎯
关键要点
-
PrototypeFormer是一种改进的少样本图像分类方法。
-
该方法通过探索原型关系显著提升了传统方法的性能。
-
采用变压器架构构建原型提取模块，以提取更具区分性的类别表示。
-
提出了一种基于对比学习的优化方法，优化少样本学习场景下的原型特征。
-
在多个流行的少样本图像分类基准数据集上进行实验，结果优于当前最先进的方法。
-
在miniImageNet的5-way 5-shot任务上达到97.07%的精度，5-way 1-shot任务上达到90.88%的精度。
-
在这两个任务上分别超过最先进方法7.27%和8.72%的精度。
-
代码将在之后发布。
➡️
