تصنيف الصور باستخدام البيانات الصغيرة
تصنيف الصور باستخدام بيانات محدودة هو مهمة حاسمة في مجال الرؤية الحاسوبية، تركز على استخدام عدد محدود من العينات المُعلَّمة للتدريب لتصنيف الصور. تهدف هذه المهمة إلى تحسين قدرة النموذج على التعميم ودقة التصنيف في ظروف العينات الصغيرة من خلال خوارزميات تعلم فعالة وتقنيات زيادة البيانات، ولها قيمة تطبيقية كبيرة، خاصة في السيناريوهات التي يكون فيها تكلفة الحصول على البيانات مرتفعة أو يتطلب فيها حماية صارمة للخصوصية.
DEIC Benchmark
Harmonic Networks
CIFAR-10, 500 Labels
ciFAIR-10 50 samples per class
ChimeraMix+AutoAugment
CIFAR-10, 100 Labels
CIFAR-10, 1000 Labels
CUB-200-2011, 30 samples per class
GLICO
EuroSAT 50 samples per class
ImageNet 50 samples per class
Harmonic Networks
CIFAR-100, 1000 Labels
ChimeraMix+AutoAugment
cifar10, 10 labels
VAE
CIFAR-10, 250 Labels
GLICO
CUB-200-2011, 5 samples per class
GLICO