计算机科学>计算机视觉与模式识别
标题: 基于不确定性网络的少快照图像分类
摘要: 在少快照学习任务中,传递式推理是一种有效的技术,在该任务中,查询集更新原型以改进自身。 然而,这些方法通过只考虑查询实例的分类分数作为置信度而忽略这些分类分数的不确定性来优化模型。 本文提出了一种新的基于不确定性的网络方法,该方法利用互信息对分类结果的不确定性进行建模。 具体来说,我们首先对查询实例进行数据扩充和分类,并计算这些分类分数的互信息。 然后,利用互信息作为不确定性为分类得分分配权重,基于分类得分和不确定性的迭代更新策略为原型优化中的查询实例分配最优权重。 在四个基准上的广泛结果表明,与最先进的方法相比,基于不确定性的网络在分类精度方面取得了相当的性能。