少样本分类更通用
通过挖掘不同类别间的隐式共同组件来提升特征提取器对新类的适应性。
Xu, Rui · Shao, Shuai · Xing, Lei · Yujun, Wei · 刘伟锋 · 刘宝弟 · 王延江
Engineering Applications of Artificial Intelligence 2023
即使基类和新类类别不同，样本的组件（如腿、头部）具有跨类别通用性，利用这些组件可以提升对新类的泛化能力。
设计了基于字典的隐式组件生成器（DICG）来挖掘不同集合间的共同信息，解决了真实场景中难以找到跨类共性信息的问题。
构建基于隐式组件的辅助任务来改进特征提取器的适应性，使预训练特征提取器能更好地适应新数据。
在mini-ImageNet、tiered-ImageNet和FC100三个基准数据集上均取得至少0.9%的提升，验证了方法的有效性。