HyperAIHyperAI
منذ 2 أشهر

إعادة التفكير في العلاقات الطبقية: التعلم القليل الإشرافي المطلق-النسبي والغير إشرافي

Hongguang Zhang; Piotr Koniusz; Songlei Jian; Hongdong Li; Philip H. S. Torr
إعادة التفكير في العلاقات الطبقية: التعلم القليل الإشرافي المطلق-النسبي والغير إشرافي
الملخص

معظم طرق التعلم القليل النموذجية الحالية تصف علاقات الصور باستخدام ملصقات ثنائية. ومع ذلك، فإن مثل هذه العلاقات الثنائية غير كافية لتعليم الشبكة علاقات العالم الحقيقي المعقدة، بسبب نقص سلاسة القرار. بالإضافة إلى ذلك، فإن نماذج التعلم القليل النموذجية الحالية تلتقط فقط التشابه عبر ملصقات العلاقات، ولكنها لا تتعرض لمفاهيم الفئات المرتبطة بالكائنات، مما قد يكون ضارًا بأداء التصنيف بسبب الاستخدام غير الكافي للملصقات الفئوية المتاحة. بعبارة أخرى، يتعلم الأطفال مفهوم النمر من عدد قليل من الأمثلة الحقيقية وكذلك من مقارنات النمر بالحيوانات الأخرى. وبالتالي، نفترض أن التعلم بالتشابه وتعلم مفاهيم الفئة يجب أن يحدثا بشكل متزامن. وفي ضوء هذه الملاحظات، ندرس المشكلة الأساسية للمodeling البسيط للفئات في طرق التعلم القليل النموذجية الحالية. نعيد النظر في العلاقات بين مفاهيم الفئات ونقترح نموذج تعلم جديد يعتمد على العلاقة المطلقة-النسبية (Absolute-relative Learning) للاستفادة الكاملة من المعلومات الملصقية لتكرار تمثيلات الصور وتصحيح فهم العلاقات في السيناريوهات الإشرافية وغير الإشرافية على حد سواء. يحسن النموذج المقترح أداء العديد من أفضل النماذج الحالية على مجموعة بيانات متاحة للعامة.

إعادة التفكير في العلاقات الطبقية: التعلم القليل الإشرافي المطلق-النسبي والغير إشرافي | أحدث الأوراق البحثية | HyperAI