用于少快照学习的传递关系传播网络

用于少快照学习的传递关系传播网络

马玉庆、白世浩、珊安、刘伟、刘爱珊、仙童镇、刘祥龙

第二十届国际人工智能联合会议记录
少快照学习是一个有趣且极具挑战性的问题，具有许多实际优势，其目的是从很少的标记示例中学习新概念。为了完成这项任务，应该集中精力揭示支持-查询对的准确关系。我们提出了一种传递式关系传播图神经网络（TRPN）来显式建模并在支持查询对之间传播这种关系。我们的TRPN将每个支持查询对的关系视为一个图节点，称为关系节点，并利用支持样本之间的已知关系，包括类内公共性和类间唯一性，来指导图中的关系传播，生成支持查询对中的区分关系嵌入。进一步引入伪关系节点来传播查询特征，并设计了一种快速而有效的转导学习策略来充分利用不同查询之间的关系信息。据我们所知，这是首次明确地将支持-查询对的关系考虑到少快照学习中，这可能为解决少快照学习问题提供了一种新的方法。在几个基准数据集上进行的大量实验表明，我们的方法可以显著优于各种最先进的少快照学习方法。
关键词：
计算机视觉：2D和3D计算机视觉
计算机视觉：识别：检测、分类、索引、匹配、检索、语义解释