Boosting the Generalization Capability in Cross-Domain Few-shot Learning via Noise-enhanced Supervised Autoencoder

State of the art (SOTA) few-shot learning (FSL) methods suffer significant performance drop in the presence of domain differences between source and target datasets. The strong discrimination ability on the source dataset does not necessarily translate to high classification accuracy on the target d...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings / IEEE International Conference on Computer Vision s. 9404 - 9414
Hlavní autoři:	Liang, Hanwen, Zhang, Qiong, Dai, Peng, Lu, Juwei
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.10.2021
Témata:	Boosting Computer vision Correlation Feature extraction Optimization and learning methods Predictive models Recognition and classification Representation learning Transfer learning Transfer/Low-shot/Semi/Unsupervised Learning
ISSN:	2380-7504
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!