Active one-shot learning with prototypical networks

Rinu Boney, Alexander Ilin

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

60 Lataukset (Pure)

Abstrakti

We consider the problem of active one-shot classification where a classifier needs to adapt to new tasks by requesting labels for one example per class from (potentially many) unlabeled examples. We propose a clustering approach to the problem. The features extracted with Prototypical Networks [1] are clustered using K-means and the label for one representative sample from each cluster is requested to label the whole cluster. We demonstrate good performance of this simple active adaptation strategy using image data.

AlkuperäiskieliEnglanti
OtsikkoESANN 2019 - Proceedings, 27th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning
KustantajaEuropean Symposium on Artificial Neural Networks (ESANN)
Sivut583-588
Sivumäärä6
ISBN (elektroninen)9782875870650
TilaJulkaistu - 1 tammik. 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaEuropean Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning - Bruges, Belgia
Kesto: 24 huhtik. 201926 huhtik. 2019
Konferenssinumero: 27

Conference

ConferenceEuropean Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning
LyhennettäESANN
Maa/AlueBelgia
KaupunkiBruges
Ajanjakso24/04/201926/04/2019

Sormenjälki

Sukella tutkimusaiheisiin 'Active one-shot learning with prototypical networks'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä