HyperAIHyperAI
منذ 2 أشهر

تعلم التدريب الذاتي للتصنيف شبه المشرف في حالات القليل من العينات

Xinzhe Li; Qianru Sun; Yaoyao Liu; Shibao Zheng; Qin Zhou; Tat-Seng Chua; Bernt Schiele
تعلم التدريب الذاتي للتصنيف شبه المشرف في حالات القليل من العينات
الملخص

تصنيف القليل من العينات (FSC) يعتبر تحديًا بسبب نقص البيانات التدريبية المصنفة (مثل وجود نقطة بيانات واحدة فقط لكل فئة). أثبتت التعلم المتآزر أنه يمكن أن يحقق نتائج واعدة من خلال تعلم كيفية تهيئة نموذج تصنيف لـ FSC. في هذا البحث، نقترح طريقة جديدة للتعلم المتآزي شبه المشرف عليه تسمى "تعلم الذاتي للتدريب" (LST) والتي تستفيد من البيانات غير المصنفة وتتعلم بشكل متآزري كيف يمكن اختيار وتصنيف هذه البيانات غير المشرفة عليها لتحسين الأداء بشكل أكبر. لهذا الغرض، نقوم بتدريب النموذج LST عبر عدد كبير من مهام التصنيف القليل العينات شبه المشرفة. في كل مهمة، نقوم بتدريب نموذج قليل العينات لتوقع التصنيفات الوهمية للبيانات غير المصنفة، ثم نكرر خطوات التدريب الذاتي على البيانات المصنفة والتصنيفات الوهمية مع كل خطوة تتبعها تعديلات دقيقة. بالإضافة إلى ذلك، نتعلم شبكة توزيع وزن مرن (SWN) لتحسين أوزان التدريب الذاتي للتصنيفات الوهمية بحيث يمكن للأفضل منها أن يساهم بشكل أكبر في عملية الأمثلة بالتنزيل التدرجي. قدمنا طريقة LST الخاصة بنا على مقعدين للمعايير ImageNet لمهام التصنيف القليل العينات شبه المشرفة عليها وحققت تحسينات كبيرة على أفضل الطُرق الحالية. الكود متاح على https://github.com/xinzheli1217/learning-to-self-train.