【报告内容】

汇报人：管阿珠

汇报单位：河海大学

主题：《Exploring Complementary Strengths of Invariant and Equivariant

Representations for Few-Shot Learning》

1、Introduction

2、 Method

3、Experiment

4、Conclusion

【报告总结】

1、待解决的问题描述

现实生活中一些问题研究需要采集大量标记样本，这往往是不可行的

2、相关创新方案

 1）增强一般几何变换集的等变性(Equivariant)和不变性(Invariant)。

 2）模型联合学习独立于输入变换的特征，学习编码几何变换结构的特征。

 3）加入一个新的自我监督蒸馏目标来实现额外的改进。

 3、实验总结

 1）证明了同时学习一组泛型变换的等变表示和不变表示，可以保留一个适用于新类的互补特征集。    

 2）设计了一个新的多头知识蒸馏目标，以提供额外的收益。

 3）进行了广泛的消融，验证不变性和等变性的联合优化导致更通用和可转移的特征。

 4）在四个流行的基准FSL数据集以及新提出的具有挑战性的元数据集上获得了新的最先进的结果。

 4、未来工作

 继续深入研究小样本学习，使其应用范围更广，准确率更高。

报告时间：2023年04月07日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)