A Relational Model for One-Shot Classification

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

Abstrakti

We show that a deep learning model with built-in relational inductive bias can bring benefits to sample-efficient learning, without rely-ing on extensive data augmentation. The proposed one-shot classification model performs relational matching of a pair of inputs in the form of local and pairwise attention. Our approach solves perfectly the one-shot image classification Omniglot challenge. Our model exceeds human level accuracy, as well as the previous state of the art, with no data augmentation.
AlkuperäiskieliEnglanti
OtsikkoESANN 2021 proceedings
Sivut647-652
ISBN (elektroninen)9782875870827
DOI - pysyväislinkit
TilaJulkaistu - 2021
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaEuropean Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning - Virtual, Online, Bruges, Belgia
Kesto: 6 lokakuuta 20218 lokakuuta 2021
Konferenssinumero: 29

Conference

ConferenceEuropean Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning
LyhennettäESANN
Maa/AlueBelgia
KaupunkiBruges
Ajanjakso06/10/202108/10/2021

Sormenjälki

Sukella tutkimusaiheisiin 'A Relational Model for One-Shot Classification'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä