IPNET:Influential Prototypical Networks for Few Shot Learning

要約

プロトタイプ ネットワーク (PN) は、シンプルでありながら効果的な数ショット学習戦略です。
これは、各クラスのプロトタイプ表現までのユークリッド距離を計算することによって分類が実行されるメトリックベースのメタ学習手法です。
従来の PN は、すべてのサンプルに同等の重要性を割り当て、各クラスに属するサポート サンプルの埋め込みを平均するだけでプロトタイプを生成します。
この作業では、重みをサポート サンプル分布への影響に対応するサポート サンプルに割り当てる PN の新しいバージョンを提案します。
サンプルの影響重みは、サンプルを含むサンプル分布とサンプルを除外したサンプル分布の平均埋め込み間の最大平均不一致 (MMD) に基づいて計算されます。
さらに、そのサンプルが存在しない場合の分布のシフトに基づいて、そのサンプルの影響因子が MMD を使用して測定されます。

要約(オリジナル)

Prototypical network (PN) is a simple yet effective few shot learning strategy. It is a metric-based meta-learning technique where classification is performed by computing Euclidean distances to prototypical representations of each class. Conventional PN attributes equal importance to all samples and generates prototypes by simply averaging the support sample embeddings belonging to each class. In this work, we propose a novel version of PN that attributes weights to support samples corresponding to their influence on the support sample distribution. Influence weights of samples are calculated based on maximum mean discrepancy (MMD) between the mean embeddings of sample distributions including and excluding the sample. Further, the influence factor of a sample is measured using MMD based on the shift in the distribution in the absence of that sample.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google