少样本识别媲美全监督
从无标注图像中自动挑选最具判别力的局部区域，学到的表征迁移到新类别时无需微调即可达到与监督方法相当的性能。
Chen, Wentao · 张彰 · Wang, Wei · 王亮 · 王子磊 · Tan, Tieniu
Pattern Recognition 2023
因为PDN只利用无标签图像，自动挑出最有判别力的局部并最大化其与全局视图及语义近邻的相似度，省去全部标注成本。
在五个主流少样本学习基准上，本文方法以较大优势超过此前所有无监督方法，且直接逼近全监督最优结果。
在不使用任何标签的情况下，性能可达到与最先进全监督方法相当的水平，意味着实际部署时标签瓶颈可以绕过。