TADAM: مقياس تكيفي يعتمد على المهمة لتحسين التعلم القليل الإطارات

التعلم من أمثلة قليلة أصبح ضروريًا لإنتاج نماذج تعمم من أمثلة قليلة. في هذا البحث، حددنا أن تدرج المقاييس وشروط المهمة المقاسية مهمان لتحسين أداء خوارزميات التعلم من أمثلة قليلة. كشفت تحليلاتنا أن تدرج المقاييس البسيط يغير تمامًا طبيعة تحديثات معلمات خوارزمية التعلم من أمثلة قليلة. يوفر تدرج المقاييس تحسينات تصل إلى 14% في الدقة لبعض المقاييس في مهمة تصنيف mini-Imagenet بخمس فئات وخمس أمثلة (5-way 5-shot). نقترح أيضًا طريقة بسيطة وفعالة لتحضير المتعلم على مجموعة عينات المهمة، مما يؤدي إلى تعلم فضاء مقاييس يعتمد على المهمة. بالإضافة إلى ذلك، نقترح ونختبر عمليًا إجراءً مثاليًا للتدريب المتزامن للمهام المساعدة لتعلم فضاء مقاييس يعتمد على المهمة. النموذج الناتج عن التعلم من أمثلة قليلة بناءً على المقاييس المرتبطة بالمهمة والمدرجة يحقق أفضل الأداء على mini-Imagenet. نؤكد هذه النتائج على مجموعة بيانات أخرى للتعلم من أمثلة قليلة نقدمها في هذا البحث وتستند إلى CIFAR100. شفرتنا متاحة بشكل عام على الرابط https://github.com/ElementAI/TADAM.