IPNET:Influential Prototypical Networks for Few Shot Learning

要約

プロトタイプ ネットワーク (PN) は、シンプルかつ効果的な少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計量ベースのメタ学習手法です。
従来の PN 属性は、すべてのサンプルの重要性が同等であり、各クラスに属するサポート サンプルの埋め込みを単純に平均することによってプロトタイプを生成します。
この研究では、サポート サンプルの分布に対する影響に対応するサポート サンプルに重みを割り当てる新しいバージョンの PN を提案します。
サンプルの影響の重みは、サンプルを含むサンプル分布とサンプルを除く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、MMD を使用して、サンプルの影響度を、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測定します。

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