大发5分快3怎么玩「合并」 样本和标签? IBM 为多标签小样本图像分类带来新进展!| CVPR 2019

  • 时间:
  • 浏览:40
  • 来源:彩神ios下载app-彩神ios下载

雷锋大发5分快3怎么玩网(公众号:雷锋网) AI 科技评论按:目前大多数关于图像小样本分类的研究工作都在研究单标签场景大发5分快3怎么玩,每个训练图像只大发5分快3怎么玩富含三个小 对象,然而现实中的场景中以多对象多标签居多,或者对于多标签小样本的图像分类研究更 具现实意义。IBM 的研究人员对多标签小样本的图像分类进行了研究,并在 CVPR 2019 大会上进行了论文分享,相关成果发表在 IBM 官网博客上,雷锋网 AI 科技评论编译如下。

当我们都当我们都当我们都当我们都 将人工智能和机器学习扩展到面向企业和工业界应用的更广泛的任务集时,从更少的数据集中学到更多是必要的。数据增强是三个小 重要的工具,有点儿是在那么 足够的训练数据的状态下,它通过自动合成新的训练样原来改进学习。小样本学习也不原来的三个小 例子,其每个类别只三个小 或很少的样本可用。过后大多数关于图像小样本分类的研究工作都在研究「单标签」场景,其中每个训练图像只富含三个小 对象,或者只三个小 类别标签。然而,更具有挑战性和现实意义的场景是多标签、小样本的图像分类,其训练数据样本较少,图像具有多个标签,而过后的研究工作尚未对该场景进行广泛的研究探索。

为了研究上述课题,当我们都当我们都当我们都 在 2019 年 6 月举行的 IEEE 计算机视觉与模式识别(CVPR 2019)大会上发表了相关论文,对多标签、小样本图像分类进行了研究。本论文题目为《大发5分快3怎么玩laSO:面向多标签小样本学习的标签设置操作网络》(「LaSO:Label-Set Operations networks for multi-label few-shot learning」,论文地址:https://www.research.ibm.com/artificial-intelligence/publications/paper/?id=LaSO:-Label-Set-Operations-Networks-for-Multi-label-Few-shot-Learning),提出了并都在训练角度神经网络的新妙招,即将图像样本对与一定的标签集相结合,合成具有「合并」标签的新样本。类事,考虑图 1 中的两幅图像,一幅描绘的是「三个小 人遛羊和狗」,另一幅描绘的是「三个小 人抱着一只狗和一只猫」。第一张图片的标签是「人」、「羊」和「狗」,第二张是「人」、「狗」和「猫」。通过给定的这两幅图像,LaSO 网络合成了新的训练样本,什么样本通过对标签执行联合、交叉和减法操作而产生。「联合」生成了三个小 标有「人」、「狗」、「猫」和「羊」的样本,「交叉」和「减法」生成了分别标有「人」、「狗」和「羊」的多个样本。LaSO 网络直接在角度神经网络学习的社会形态空间进行操作。 

图 1:在两幅图像上进行 LaSO 网络操作的案例

作为三个小 单一的多任务网络,LaSO 网络通过使用特定的损失函数一起去训练,以使其操作适应相应的标签集操作任务(图 2)。 

图 2:支持交叉、联合和减法操作标签集的 LaSO 网络体系社会形态

多任务网络是在三个小 大规模的多标签数据集上进行训练的,每个图像的多个标签与出显在图像上的目标相对应。当我们都当我们都当我们都 通过使用不同的妙招对产生的 LaSO 网络进行了测试,以评估它们在操作多标签内容方面的潜力。什么测试包括使用在真实、留存的多标签数据上经过预训练的分类器对生成的示例进行分类,以及使用 LaSO 网络合成的社会形态向量来测试源自留存的测试集的检索(图 3)。 

图 3:基于合成 LaSO 向量进行的图像检索的定性结果

LaSO 网络被设计成直接在图像表征进行操作,而也能任何额外的输入来控制操作。换句话说,也不也能人工干预来指示它们要操作什么标签。或者,在训练过程中,它们可也能潜在地泛化到富含尚未见过的新类别的图像上。在这方面,LaSO 网络可也能用来挑战多标签小样本的分类任务。在大发5分快3怎么玩你这种 状态下,LaSO 网络从所提供的训练样本随机对中合成新的训练样本。在本文中,当我们都当我们都当我们都 将 LaSO 网络的你这种 能力应用到三个小 新的多标签小样本分类基准中,希望能引起对你这种 重要疑问的更多研究。通过使用 LaSO 网络在所给出的基准上进行数据增强的结果表明,将其推广到新的类别具有很强的潜力(图 4)。

图 4:LaSO 增强表现(底部四行)VS 基准(顶部三行)

多标签小样本分类是一项全新的、具有挑战性和实用性的研究工作。当我们都当我们都当我们都 为你这种 研究工作提出了第三个小 基准。在该基准上利用神经网络对 LaSO 标签集操作进行了评估,结果表明 LaSO 具有很好的应用潜力。当我们都当我们都当我们都 希望本次工作能激励更多的研究人员去研究你这种 有趣的疑问。

via :  https://www.ibm.com/blogs/research/2019/06/few-shot-learning/   雷锋网

雷锋网原创文章,未经授权禁止转载。详情见转载须知。