导航
主页
会议
未来的会议
过去的会议
诉讼
IJCAI 2023会议记录
IJCAI 2022会议记录
所有诉讼
奖品
受托人/管理人员
现任受托人
受托人选举
IJCAI秘书处
IJCAI赞助和宣传官员
IJCAI团队
本地安排主席
在执行委员会任职的前受托人
其他前任官员
人工智能期刊
关于
关于IJCAI
联系信息
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
短视频
长视频
第二十届国际人工智能联合会议记录
正线。
第804-810页。
https://doi.org/10.24963/ijcai.2020/112
PDF格式
BibTeX公司
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