多層パーセプトロンを用いたクロスドメイン少ショット分類の改善

クロスドメイン・ファーソット分類（CDFSC）は、異なるドメイン間の分布の著しい相違性により、非常に困難な課題となっています。この課題に対処するために、多くの手法が転移可能な表現を学習することを目指しています。マルチレイヤーパーセプトロン（MLP）は、教師なし画像分類や教師あり概念一般化などの様々な下流タスクにおいて、その転移可能な表現を学習する能力を示しています。しかし、ファーソット設定におけるその可能性はまだ十分に探索されていません。本研究では、MLPがCDFSCの課題解決にどのように貢献できるかを調査します。具体的には、3種類のファーソット分類手法に対応して3つの異なるフレームワークを導入し、MLPの有効性を検証します。我々の実験結果は、10基準モデルと12ベンチマークデータセットを使用した高コストな実験によって支持されており、MLPが識別能力を大幅に向上させるとともに分布シフトを緩和できることを明らかにしました。さらに、我々の方法は他の最先端のCDFSCアルゴリズムと比較しても優れた性能を示しています。