NeurIPS’22 Cross-Domain MetaDL competition: Design and baseline results

要約

「クロスドメイン」メタ学習に焦点を当てた、NeurIPS’22 で承認された ChaLearn メタ学習シリーズの新しい課題の設計とベースライン結果を提示します。
メタ学習は、以前のタスクから得た経験を活用して、新しいタスクを効率的に解決することを目的としています (つまり、パフォーマンスが向上し、トレーニング データが少なく、計算リソースが少ない)。
シリーズの以前の課題は、ドメイン内の少数ショット学習問題に焦点を当てていましたが、効率的に N-way k-ショット タスク (つまり、k 個のトレーニング例を持つ N クラスの分類問題) を学習することを目的としていましたが、このコンテストは参加者に解決するように挑戦します。
人道的および社会的影響のために選択された、さまざまな領域 (ヘルスケア、エコロジー、生物学、製造など) から引き出された「とにかく」および「何でもできる」問題。
そのために、10 のドメインからの 40 の画像分類データセットのメタデータセットであるメタアルバムを作成しました。そこから、任意の数の「方法」(2 ～ 20 の範囲内) と任意の数の「ショット」でタスクを切り出します。
‘ (1 ～ 20 の範囲内)。
コンテストは、CodaLab チャレンジ プラットフォームで完全にブラインド テストされたコード提出によるものです。
受賞者のコードはオープンソース化され、複数のドメインにわたる少数ショット画像分類のための自動機械学習ソリューションの展開が可能になります。

要約(オリジナル)

We present the design and baseline results for a new challenge in the ChaLearn meta-learning series, accepted at NeurIPS’22, focusing on ‘cross-domain’ meta-learning. Meta-learning aims to leverage experience gained from previous tasks to solve new tasks efficiently (i.e., with better performance, little training data, and/or modest computational resources). While previous challenges in the series focused on within-domain few-shot learning problems, with the aim of learning efficiently N-way k-shot tasks (i.e., N class classification problems with k training examples), this competition challenges the participants to solve ‘any-way’ and ‘any-shot’ problems drawn from various domains (healthcare, ecology, biology, manufacturing, and others), chosen for their humanitarian and societal impact. To that end, we created Meta-Album, a meta-dataset of 40 image classification datasets from 10 domains, from which we carve out tasks with any number of ‘ways’ (within the range 2-20) and any number of ‘shots’ (within the range 1-20). The competition is with code submission, fully blind-tested on the CodaLab challenge platform. The code of the winners will be open-sourced, enabling the deployment of automated machine learning solutions for few-shot image classification across several domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google